R语言 数据分组汇总：求平均值、标准差、标准误
Summarizing data 汇总数据
当你想按组对数据进行汇总（包括平均值、标准差等）
（图片来源网络，侵删）
这里介绍的三种方法可以根据某些指定变量对数据进行分组
并对每组应用汇总函数（如平均值、标准差等）：
1、函数 ddply() ，来自 plyr 包，最容易使用的
2、函数 summarizeBy() ，来自 doBy 包，比较容易使用
3、函数 aggregate() ，来自R base 包，较难使用
示例数据
不同性别受试者，服用阿斯匹林或安慰剂前后的观测值以及变化差值
由性别和条件的组合来分组：F-安慰剂、F-阿司匹林、M-安慰剂和 M-阿司匹林
并希望计算出每个组的：
1） N（个体数）
2） mean of change（变化均值）
3） standard deviation（标准差）
4） standard error of the mean （均值标准误差）
data 1 F aspirin 5 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 -0.975000 0.7804913 0.3902456
处理丢失的数据：
如果数据中有 NA 值，就需要设定参数 na.rm=TRUE ；
length() 没有 na.rm 这个选项，因此只能 sum(!is.na(...)) 来计算有多少个非 NA 值
# 先放一点NA值进来 dataNA 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 7 -5.142857 1.0674848 0.4034713 #> 4 M placebo 3 -1.300000 0.5291503 0.3055050
2、函数 summarizeBy()
library(doBy) cdata sex condition change.length change.mean change.sd #> 1 F aspirin 5 -3.420000 0.8642916 #> 2 F placebo 12 -2.058333 0.5247655 #> 3 M aspirin 9 -5.411111 1.1307569 #> 4 M placebo 4 -0.975000 0.7804913 # 重命名 change.length 这一列为 N names(cdata)[names(cdata)=="change.length"] 1 F aspirin 5 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 -0.975000 0.7804913 0.3902456
处理丢失数据：
na.rm=TRUE 可以传递给 summaryBy() 调用的每个函数，除了 length()
# 写一个新版本的 length 让它可以识别 na.rm=T length2 3 M aspirin 7 -5.142857 1.0674848 #> 4 M placebo 3 -1.300000 0.5291503
扩充：安排一步得出均值、计数、标准差、标准误和置信区间的函数summarySE
写函数：
## 对数据进行汇总 ## 得到 计数, 均值, 标准差, 标准误 和 置信区间 (95%). ## data: 数据框 ## measurevar: 需要进行汇总的列 ## groupvars: 提供分组的列 ## na.rm: 一个布尔值，决定是否忽略NA ## conf.interval: 置信区间的百分比范围 (默认是 95%) summarySE 1 F aspirin 4 -3.425000 0.9979145 0.4989572 1.5879046 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201 #> 3 M aspirin 7 -5.142857 1.0674848 0.4034713 0.9872588 #> 4 M placebo 3 -1.300000 0.5291503 0.3055050 1.3144821
用NA填充空白组合：
有时，汇总数据框中会出现空的因子组合，即有可能出现的因素组合，但实际上并没有出现在原始数据框架中。
在汇总数据框中自动用 NA 填入这些组合通常很有用。
为此，在调用 ddply() 或 summarySE() 时设置 .drop=FALSE 。
用法示例：
# 首先把 男性+安慰剂 组合的数据删去
dataSub sex condition N change sd se ci
#> 1 F aspirin 5 -3.420000 0.8642916 0.3865230 1.0731598
#> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201
#> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767
# 设置 .drop=FALSE 不放弃这些组合
summarySE(dataSub, measurevar="change", groupvars=c("sex", "condition"), .drop=FALSE)
#> Warning in qt(conf.interval/2 + 0.5, datac$N - 1): NaNs produced
#> sex condition N change sd se ci
#> 1 F aspirin 5 -3.420000 0.8642916 0.3865230 1.0731598
#> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201
#> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767
#> 4 M placebo 0 NaN NA NA NA
用0填充空白组合：
原理同上，但改用0填充
写用0填充的函数：
fillMissingCombs 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767 #> 4 M placebo 0 0.000000 0.0000000 0.0000000 0.0000000
3、使用R自带的aggregate()
缺点是步骤较为繁琐
优点是不用安装新的R包
# 统计每个类别（性别*条件）中的受试者人数 cdata sex condition subject #> 1 F aspirin 5 #> 2 M aspirin 9 #> 3 F placebo 12 #> 4 M placebo 4 # 重命名 "subject" 这一列为 "N" names(cdata)[names(cdata)=="subject"] sex condition N #> 1 F aspirin 5 #> 2 M aspirin 9 #> 3 F placebo 12 #> 4 M placebo 4 # 按 sex 排序 cdata sex condition N #> 1 F aspirin 5 #> 3 F placebo 12 #> 2 M aspirin 9 #> 4 M placebo 4 # 同时保留 __before__ 和 __after__ 这两列: # 按性别和条件获取平均效应大小 cdata.means sex condition before after change #> 1 F aspirin 11.06000 7.640000 -3.420000 #> 2 M aspirin 11.26667 5.855556 -5.411111 #> 3 F placebo 10.13333 8.075000 -2.058333 #> 4 M placebo 11.47500 10.500000 -0.975000 # 合并数据框 cdata sex condition N before after change #> 1 F aspirin 5 11.06000 7.640000 -3.420000 #> 2 F placebo 12 10.13333 8.075000 -2.058333 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 #> 4 M placebo 4 11.47500 10.500000 -0.975000 # 获取 "change"的样本 (n-1) 标准差 cdata.sd 1 F aspirin 0.8642916 #> 2 M aspirin 1.1307569 #> 3 F placebo 0.5247655 #> 4 M placebo 0.7804913 # 合并 cdata sex condition N before after change change.sd #> 1 F aspirin 5 11.06000 7.640000 -3.420000 0.8642916 #> 2 F placebo 12 10.13333 8.075000 -2.058333 0.5247655 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 1.1307569 #> 4 M placebo 4 11.47500 10.500000 -0.975000 0.7804913 # 最后计算标准误 cdata$change.se sex condition N before after change change.sd change.se #> 1 F aspirin 5 11.06000 7.640000 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 10.13333 8.075000 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 11.47500 10.500000 -0.975000 0.7804913 0.3902456
如果数据中有NA值并希望忽略它们，设置 na.rm=TRUE
cdata.means sex condition before after change #> 1 F aspirin 11.06000 7.640000 -3.420000 #> 2 M aspirin 11.26667 5.855556 -5.411111 #> 3 F placebo 10.13333 8.075000 -2.058333 #> 4 M placebo 11.47500 10.500000 -0.975000
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们，邮箱：ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
