Блог

Я пытаюсь вычислить дисперсию для каждой группы в наборе данных с несколькими факторами. Например, приведенный ниже набор данных представляет собой первые 6 строк фрейма данных с 5 столбцами: 4 фактора по два уровня каждый (нет и да) и 1 непрерывная переменная:

Что я хочу сделать, так это создать сводную таблицу, подобную приведенной ниже:

Для каждого фактора я рассчитал стандартное отклонение на каждом уровне («Нет» и «Да»), а также соотношение двух стандартных отклонений.

Вот код, который я использую для этого:

 #
# Define modify function for SD ratio column
#
sd_ratio<-function(x,y){
  return(max(x,y)/min(x,y))
}
#
# Set up storage
#
nc<-4 # number of factors in data
testDataSum<-tibble(SD_No=rep(NA,nc),
                   SD_Yes=rep(NA,nc),
                   SD_Ratio=rep(NA,nc))
#
Factor<-vector("list",4)
SDList<-vector("list",4)
#
# For Loop. Group data by factors 1,2,3,4
#
for (i in 1:4){
  Factor[[i]]<-names(testData[,i])
  SDList[[i]]<-testData %>% 
  group_by(testData[,i])%>%
  summarize(SD=sd(VarX))
}
# Load summary DF with data by unlisting SDList
#
testDataSum$SD_No<-as.vector(matrix(unlist(SDList),ncol=4,byrow=T)[,3])
testDataSum$SD_Yes<-as.vector(matrix(unlist(SDList),ncol=4,byrow=T)[,4])
testDataSum$SD_Ratio=modify2(testDataSum$SD_No,testDataSum$SD_Yes,sd_ratio)
#
# Load formatted factor names and put it at the front
#
testDataSum<-testDataSum %>% 
  mutate(Factor=unlist(Factor)) %>%
  relocate(Factor)
# Show results
testDataSum
 

Я прошу помощи в упрощении этого кода. Это работает, но кажется ужасно уродливым и сложным, не говоря уже о том, что к нему трудно вернуться позже и изменить. Я считаю, что есть гораздо более простой способ сделать это без цикла for и без неуклюжего процесса снятия списка SDList с использованием строк «as.vector (matrix (…». Я просмотрел документацию для DPLYR и PLYR, особенно раздел группировки, но я сбит с толку. Любые предложения приветствуются.

Вот ссылка на репозиторий github с кодом и csv-файл со 192 строками, который вы можете использовать для создания результирующей таблицы.

Ссылка на Git Hub для кода и данных

Вы можете попробовать использовать reshape2 , dplyr , и tidyr

Когда я читаю ваши данные, имена столбцов нарушаются, поэтому я заранее переименовываю их.

 library(dplyr)
library(tidyr)
library(reshape2)

names(df) <- c("A","B","C","D","VarX")


df %>%
  melt(id.vars = "VarX", variable.name = "Factor") %>%
  group_by(Factor, value) %>%
  summarize(sd = sd(VarX)) %>%
  pivot_wider(id_cols = Factor, values_from = sd, names_from = value, names_glue = "sd_{value}") %>%
  mutate(SD_ratio = pmax(sd_No,sd_Yes)/pmin(sd_No,sd_Yes))

  Factor sd_No sd_Yes SD_ratio
  <fct>  <dbl>  <dbl>    <dbl>
1 A       3.51   3.79     1.08
2 B       3.83   3.44     1.11
3 C       3.53   3.77     1.07
4 D       3.92   3.32     1.18