2

我试图在我的数据集的子集中获取汇总统计数据，并自然而然地转向 plyr 包，因为我正在使用数据框 ddply()。我不明白为什么这不起作用....

t <- as.data.frame(cbind(1, seq(1:20)))
t2 <- as.data.frame(cbind(2, seq(21:40)))
t <- rbind(t, t2)
rm(t2)
is.data.frame(t)
[1] TRUE
ddply(t, .(V1), function(x) c(missing = sum(is.na(t$V2)),
                              n       = sum(!is.na(t$V2)),
                              mean    = mean(t$V2, na.rm = TRUE),
                              sd      = sd(t$V2, na.rm = TRUE)))
  V1 missing  n mean      sd
1  1       0 40 10.5 5.83974
2  2       0 40 10.5 5.83974

我已经在 Stackoverflow 上阅读了一些类似快速概述和一些主题的内容，搜索并发现了类似的问题，并认为我做对了，但显然不是。任何关于我做错了什么或误解的见解都将不胜感激。

提前致谢，

松紧线

4

1 回答 1

5

我看到了几个问题。首先，不要seq与冒号运算符一起使用。单独使用冒号将为您提供所需的序列：

1:20
# [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
21:40
# [1] 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

如果您同时使用两者，seq将按照您传递的序列为您提供一个序列：

seq(21:40)
# [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

其次，t是您的整个数据集。您要对x定义的子集进行操作V1：

ddply(t, .(V1), function(x) c(missing = sum(is.na(x$V2)),
                              n       = sum(!is.na(x$V2)),
                              mean    = mean(x$V2, na.rm = TRUE),
                              sd      = sd(x$V2, na.rm = TRUE)))
于 2013-08-13T15:34:55.710 回答