8

每次我得到一个新的数据集时，我做的第一件事就是查看汇总统计信息。该summary函数做得很好，但我经常对标准偏差、具有不同断点的分位数、观察次数等感兴趣。此外，表示summary并不是真正最简单的消化方法或您在期刊中看到的内容（即，summary是水平的而不是垂直的）。

例如，这是我从一些虚构数据的摘要中得到的。

> library(plyr)
> library(reshape2)
> my.data <- data.frame(firm = factor(rep(letters[1:5], each = 5)), returns = rnorm(n = 5 * 5), leverage = rep(c(0.3, 0.4, 0.5, 0.6, 0.7), each = 5) + .... [TRUNCATED] 
> my.summary <- summary(my.data)
> my.summary
 firm     returns           leverage     
 a:5   Min.   :-1.6765   Min.   :0.2863  
 b:5   1st Qu.:-0.6945   1st Qu.:0.3929  
 c:5   Median :-0.1930   Median :0.5061  
 d:5   Mean   :-0.1159   Mean   :0.5009  
 e:5   3rd Qu.: 0.4323   3rd Qu.:0.6011  
       Max.   : 1.1915   Max.   :0.7093

但是，假设我真的想要更多这样的东西。

> my.manual.summary <- data.frame(mean = c(mean(my.data$returns), mean(my.data$leverage)), median = c(median(my.data$returns), median(my.data$leverage .... [TRUNCATED] 
> rownames(my.manual.summary) <- c("returns", "leverage")
> my.manual.summary
               mean     median        sd
returns  -0.1158633 -0.1929571 0.6996548
leverage  0.5008895  0.5061301 0.1453381

对于这个小数据集（即只有几个公司特征），这很容易。但我有更多或更多的统计数据或更多的切片，这可能会变得乏味。

reshape2我用and试过这个plyr，但得到一个错误。

> my.melted.data <- melt(my.data)
Using firm as id variables
> my.improved.summary <- ddply(my.melted.data[, -1], .(variable), c("mean", "median", "sd"), na.rm = T)
Error in proto[[i]] <- fs[[i]](x, ...) : 
  more elements supplied than there are to replace
In addition: Warning messages:
1: In mean.default(X[[1L]], ...) :
  argument is not numeric or logical: returning NA
2: In mean.default(sort(x, partial = half + 0L:1L)[half + 0L:1L]) :
  argument is not numeric or logical: returning NA
3: In var(as.vector(x), na.rm = na.rm) : NAs introduced by coercion
4: In mean.default(X[[1L]], ...) :
  argument is not numeric or logical: returning NA

这给我留下了两个问题：

  1. 我在做什么错ddply？
  2. 我在这里重新发明轮子吗？鉴于这是我读写的所有内容中的表 1，是否存在我尚未找到的现有解决方案？

谢谢！

4

2 回答 2

11

试试包装stat.desc内的。pastecs您可以通过调用在您的数据集上使用它stat.desc(my.data)。要获得所需格式的输出，您需要 (a) 转置数据框，(b) 删除非数字变量，以及 (c) 仅保留所需的汇总统计列

于 2011-04-07T16:57:35.023 回答
3

我在上面的代码中发现了概念性错误。因为mean、median和sd对向量进行操作，所以我需要在ddply基于.variables. （我错误地应用了手册中的一个示例，该示例使用了数据框运算符nrow和ncol。）这是正确的代码：

my.melted.data <- melt(my.data)
my.improved.summary <- ddply(
  my.melted.data
  , .(variable)
  , function(x) data.frame(
    mean = mean(x$value)
    , median = median(x$value)
    , sd = sd(x$value)
  )
)

Ramnath 的解决方案更简单，但这可以扩展到您可能想要的任何类型的摘要统计信息。

于 2011-04-07T21:01:52.793 回答