вычислить медиану по данным.столбцы таблицы в р
Я пытаюсь вычислить медианное значение по ряду столбцов, однако мои данные немного напуганы. Это выглядит следующим примером.
library(data.table)
dt <- data.table("ID" = c(1,2,3,4),"none" = c(0,5,5,3),
"ten" = c(3,2,5,4),"twenty" = c(0,2,3,1))
ID none ten twenty
1: 1 0 3 0
2: 2 5 2 2
3: 3 5 5 3
4: 4 3 4 1
в таблице в колонке означает количество вхождений этого значения. Я хочу вычислить медиану.
например, для ID = 1
median(c(10, 10, 10))
расчет, который я хочу создать.
для ID = 2
median(c(0, 0, 0, 0, 0, 10, 10, 20, 20))
Я пробовал использовать rep()
и lapply()
С очень ограниченным успехом, и я после некоторых четких указаний о том, как это может быть достигнуто. Я понимаю для подобных rep()
Я бы имея на жесткий код значения повторяются (например,rep(0,2)
или rep(10,2)
), и это то, что я ожидал. Я просто пытаюсь создать список или вектор с повторениями из каждого столбца.
4 ответов
вот еще data.table
путь (при условии unique ID
):
dt[, median(rep(c(0, 10, 20), c(none, ten, twenty))), by=ID]
# ID V1
# 1: 1 10
# 2: 2 0
# 3: 3 10
# 4: 4 10
Это просто попытка получить ответ @eddi без изменения формы (который я, как правило, использую в крайнем случае).
вам нужен словарь для перевода имен столбцов на соответствующие числа, а затем это довольно просто:
dict = data.table(name = c('none', 'ten', 'twenty'), number = c(0, 10, 20))
melt(dt, id.var = 'ID')[
dict, on = c(variable = 'name')][, median(rep(number, value)), by = ID]
# ID V1
#1: 1 10
#2: 2 0
#3: 3 10
#4: 4 10
вот способ, который позволяет избежать операций по строкам и переформирования:
dt[, m := {
cSD = Reduce(`+`, .SD, accumulate=TRUE)
k = floor(cSD[[length(.SD)]]/2)
m = integer(.N)
for(i in seq_along(cSD)) {
left = m == 0L
if(!any(left)) break
m[left] = i * (cSD[[i]][left] >= k[left])
}
names(.SD)[m]
}, .SDcols=none:twenty]
что дает
ID none ten twenty m
1: 1 0 3 0 ten
2: 2 5 2 2 none
3: 3 5 5 3 ten
4: 4 3 4 1 ten
для цикла я заимствую стиль @alexis_laz, например https://stackoverflow.com/a/30513197/
я пропустил перевод имен столбцов, но это довольно просто. Вы могли бы использовать c(0,10,20)
вместо names(.SD)
В конце.
здесь rowwise
dplyr
путь:
dt %>% rowwise %>%
do(med = median(c(rep(0, .$none), rep(10, .$ten), rep(20, .$twenty)))) %>%
as.data.frame
med
1 10
2 0
3 10
4 10
вдохновленный ответом @Arun, это также работает:
dt %>% group_by(ID) %>%
summarise(med = median(rep(c(0, 10, 20), c(none, ten, twenty))))
Source: local data table [4 x 2]
ID med
(dbl) (dbl)
1 1 10
2 2 0
3 3 10
4 4 10