Создайте несколько новых производных переменных из существующих переменных в data.frame

Question

В R У меня есть data.frame, который имеет несколько переменных, которые измерялись ежемесячно в течение нескольких лет. Я хотел бы получить среднемесячный (используя все годы) для каждой переменной. В идеале эти новые переменные будут объединены в новый data.frame (переносящий идентификатор), ниже я просто добавляю новую переменную в data.frame. Единственный способ, которым я знаю, как это сделать в данный момент (внизу), кажется довольно трудоемким, и я надеялся, что в R может быть более разумный способ сделать это, что не потребует печатать каждый месяц и переменную, как я сделал ниже.

# Example data.frame with only two years, two month, and two variables 
# In the real data set there are always 12 months per year 
# and there are at least four variables 
df<- structure(list(ID = 1:4, ABC.M1Y2001 = c(10, 12.3, 45, 89), ABC.M2Y2001 = c(11.1, 
      34, 67.7, -15.6), ABC.M1Y2002 = c(-11.1, 9, 34, 56.5), ABC.M2Y2002 = c(12L, 
      13L, 11L, 21L), DEF.M1Y2001 = c(14L, 14L, 14L, 16L), DEF.M2Y2001 = c(15L, 
      15L, 15L, 12L), DEF.M1Y2002 = c(5, 12, 23.5, 34), DEF.M2Y2002 = c(6L, 
      34L, 61L, 56L)), .Names = c("ID", "ABC.M1Y2001", "ABC.M2Y2001","ABC.M1Y2002", 
      "ABC.M2Y2002", "DEF.M1Y2001", "DEF.M2Y2001", "DEF.M1Y2002", 
      "DEF.M2Y2002"), class = "data.frame", row.names = c(NA, -4L)) 


# list variable to average for ABC Month 1 across years 
ABC.M1.names <- c("ABC.M1Y2001", "ABC.M1Y2002") 
df <- transform(df, ABC.M1 = rowMeans(df[,ABC.M1.names], na.rm = TRUE)) 

# list variable to average for ABC Month 2 across years 
ABC.M2.names <- c("ABC.M2Y2001", "ABC.M2Y2002") 
df <- transform(df, ABC.M2 = rowMeans(df[,ABC.M2.names], na.rm = TRUE)) 

# and so forth for ABC 
# ... 

# list variables to average for DEF Month 1 across years 
DEF.M1.names <- c("DEF.M1Y2001", "DEF.M1Y2002") 
df <- transform(df, DEF.M1 = rowMeans(df[,DEF.M1.names], na.rm = TRUE)) 

# and so forth for DEF 
# ... 

Answer 1

Вот решение с использованием reshape2, что более автоматизирована, когда у вас есть много данных и использует регулярных выражения для извлечения имени переменного и месяца. Это решение даст вам хорошую сводную таблицу.

# Load required package 
require(reshape2) 

# Melt your wide data into long format 
mdf <- melt(df , id = "ID") 

# Extract relevant variable names from the variable colum 
mdf$Month <- gsub("^.*\\.(M[0-9]{1,2}).*$" , "\\1" , mdf$variable) 
mdf$Var <- gsub("^(.*)\\..*" , "\\1" , mdf$variable) 

# Aggregate by month and variable 
dcast(mdf , Var ~ Month , mean ) 
# Var  M1  M2 
#1 ABC 30.5875 19.275 
#2 DEF 16.5625 26.750 

Или, чтобы быть совместимым с другими решениями, и возвращает таблицу ID, а ...

dcast(mdf , ID ~ Var + Month , mean ) 
# ID ABC_M1 ABC_M2 DEF_M1 DEF_M2 
#1 1 -0.55 11.55 9.50 10.5 
#2 2 10.65 23.50 13.00 24.5 
#3 3 39.50 39.35 18.75 38.0 
#4 4 72.75 2.70 25.00 34.0 

Answer 2

Это довольно прямо вперед в базе R.

mean.names <- split(names(df)[-1], gsub('Y[0-9]{4}$', '', names(df)[-1])) 
means <- lapply(mean.names, function(x) rowMeans(df[, x], na.rm = TRUE)) 
data.frame(df, means) 

Это дает вам оригинал data.frame со следующими четырьмя колонками в конце:

ABC.M1 ABC.M2 DEF.M1 DEF.M2 
1 -0.55 11.55 9.50 10.5 
2 10.65 23.50 13.00 24.5 
3 39.50 39.35 18.75 38.0 
4 72.75 2.70 25.00 34.0 

Answer 3

Вот решение с использованием data.table разработки версии v1.8.11 (который имеет melt и cast методы, реализованные для data.table):

require(data.table) 
require(reshape2) # melt/cast builds on S3 generic from reshape2 
dt <- data.table(df) # where df is your data.frame 
dcast.data.table(melt(dt, id="ID")[, sum(value)/.N, list(ID, 
     gsub("Y.*$", "", variable))], ID ~ gsub) 
    ID ABC.M1 ABC.M2 DEF.M1 DEF.M2 
1: 1 -0.55 11.55 9.50 10.5 
2: 2 10.65 23.50 13.00 24.5 
3: 3 39.50 39.35 18.75 38.0 
4: 4 72.75 2.70 25.00 34.0 

Вы можете просто cbind это исходные данные.

Обратите внимание, что sum является примитивным, где mean является S3 общим. Поэтому лучше использовать sum(.)/length(.) (как будто слишком много группировок, отправка правильного метода с mean для каждой группы может быть довольно трудоемкой операцией). .N - это специальная переменная в data.table, которая непосредственно дает вам длину группы.

Answer 4

Вы можете использовать Reshape из пакета {splitstackshape}, а затем использовать пакет plyr или data.table или базу R для выполнения среднего значения.

library(splitstackshape) # Reshape 
    library(plyr) # ddply 
    kk<-Reshape(df,id.vars="ID",var.stubs=c("ABC.M1","ABC.M2","DEF.M1","DEF.M2"),sep="") 
> kk 
    ID AE DB time ABC.M1 ABC.M2 DEF.M1 DEF.M2 
1 1 NA NA 1 10.0 11.1 14.0  15 
2 2 NA NA 1 12.3 34.0 14.0  15 
3 3 NA NA 1 45.0 67.7 14.0  15 
4 4 NA NA 1 89.0 -15.6 16.0  12 
5 1 NA NA 2 -11.1 12.0 5.0  6 
6 2 NA NA 2 9.0 13.0 12.0  34 
7 3 NA NA 2 34.0 11.0 23.5  61 
8 4 NA NA 2 56.5 21.0 34.0  56 

ddply(kk[,c(1,5:8)],.(ID),colwise(mean)) 
    ID ABC.M1 ABC.M2 DEF.M1 DEF.M2 
1 1 -0.55 11.55 9.50 10.5 
2 2 10.65 23.50 13.00 24.5 
3 3 39.50 39.35 18.75 38.0 
4 4 72.75 2.70 25.00 34.0