r - 在 R 中对分箱计数执行计算

Question

我有一个数据集存储在一个文本文件中，格式为值箱后跟计数，如下所示：

var_a 1:5 5:12 7:9 9:14 ...

表示 var_a 在数据集中取值 1 5 次，取值 5 12 次，依此类推。每个变量以该格式位于其自己的行上。

我希望能够在 R 中对此数据集执行计算，例如分位数、方差等。有没有一种简单的方法可以从文件中加载数据并计算这些统计数据？最终，我想为每个变量制作一个盒须图。

干杯!

Answer 1

您可以使用readLines读取数据文件

.x <- readLines(datafile)

我将创建一些虚拟数据，因为我没有该文件。这应该相当于输出readLines

## dummy
.x <- c("var_a 1:5 5:12 7:9 9:14", 'var_b 1:5 2:12 3:9 4:14')

我按间距分开以获得每个

#split by space

space_split <- strsplit(.x, ' ')
# get the variable names (first in each list)
variable_names <- lapply(space_split,'[[',1)

# get the variable contents (everything but the first element in each list)
variable_contents <- lapply(space_split,'[',-1)

# a function to do the appropriate replicates
do_rep <- function(x){rep.int(x[1],x[2])}

# recreate the variables 

variables <- lapply(variable_contents, function(x){
  .list <- strsplit(x, ':')
  unlist(lapply(lapply(.list, as.numeric), do_rep))
})

names(variables) <- variable_names

您可以使用获得每个变量的方差

lapply(variables, var)

## $var_a
## [1] 6.848718
## 
## $var_b
## [1] 1.138462

或获取箱线图

boxplot(variables, ~.)

Answer 2

不知道您的数据的实际形式，我可能会使用类似readLines的方法将每一行作为向量，然后执行以下操作：

# Some sample data
temp = c("var_a 1:5 5:12 7:9 9:14",
         "var_b 1:7 4:9 3:11 2:10",
         "var_c 2:5 5:14 6:6 3:14")
# Extract the names
NAMES = gsub("[0-9: ]", "", temp)
# Extract the data
temp_1 = strsplit(temp, " |:")
temp_1 = lapply(temp_1, function(x) as.numeric(x[-1]))
# "Expand" the data
temp_1 = lapply(1:length(temp_1), 
                function(x) rep(temp_1[[x]][seq(1, length(temp_1[[x]]), by=2)],
                                temp_1[[x]][seq(2, length(temp_1[[x]]), by=2)]))
names(temp_1) = NAMES
temp_1
# $var_a
#  [1] 1 1 1 1 1 5 5 5 5 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 7 9 9 9 9 9 9 9 9 9 9 9 9 9 9
# 
# $var_b
#  [1] 1 1 1 1 1 1 1 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2
# 
# $var_c
#  [1] 2 2 2 2 2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 3 3 3 3 3 3 3 3 3 3 3 3 3 3