org - r studio

¿Cómo puedo hacer que la salida de tapply() en un data.frame

Question

Tengo un data.frame en R que se parece a esto:

      score    rms  template   aln_id       description
1  -261.410  4.951 2f22A.pdb  2F22A_1 S_00001_0000002_0
2  -231.987 21.813 1wb9A.pdb  1WB9A_4 S_00002_0000002_0
3  -263.722  4.903 2f22A.pdb  2F22A_3 S_00003_0000002_0
4  -269.681 17.732 1wbbA.pdb  1WBBA_6 S_00004_0000002_0
5  -258.621 19.098 1rxqA.pdb  1RXQA_3 S_00005_0000002_0
6  -246.805  6.889 1rxqA.pdb 1RXQA_15 S_00006_0000002_0
7  -281.300 16.262 1wbdA.pdb 1WBDA_11 S_00007_0000002_0
8  -271.666  4.193 2f22A.pdb  2F22A_2 S_00008_0000002_0
9  -277.964 13.066 1wb9A.pdb  1WB9A_5 S_00009_0000002_0
10 -261.024 17.153 1yy9A.pdb  1YY9A_2 S_00001_0000003_0

Puedo calcular estadísticas de resumen en el data.frame de esta manera:

> tapply( d$score, d$template, mean )
1rxqA.pdb 1wb9A.pdb 1wbbA.pdb 1wbdA.pdb 1yy9A.pdb 2f22A.pdb 
-252.7130 -254.9755 -269.6810 -281.3000 -261.0240 -265.5993 

¿Hay una manera fácil de forzar esta salida de nuevo en un data.frame? Me gustaría que tuviera estas dos columnas:

d$template
mean

Me encanta tapply, pero en este momento estoy cortando y pegando los resultados de tapply en un archivo de texto y hackeando un poco para obtener las estadísticas de resumen que quiero con los nombres apropiados. Esto se siente muy mal, y me gustaría hacer algo mejor!

Answer 1

Hay muchas formas diferentes de transformar la salida de una llamada de tapply en un data.frame.

Pero es mucho más sencillo evitar la llamada a tapply en primer lugar y sustituirla por una llamada a una función similar que devuelve un marco de datos en lugar de un vector:

más específicamente:

• tapply devuelve un vector

• agregado devuelve un marco de datos

así que simplemente cambie su llamada de función de tapply a agregada , de esta manera:

data(iris)     # in ''datasets'' just call ''data'' and pass in ''iris'' as an argument

tx = tapply(iris$Sepal.Length, list(iris$Species), mean)
# returns: versicolor  virginica 
             5.94       6.59 

class(tx)
# returns: vector

tx = aggregate(iris$Sepal.length, list(iris$Species), mean)
# returns:
         Group.1    x
     1 versicolor 5.94
     2  virginica 6.59


class(tx)
# returns: data.frame

Answer 2

Puedes probar esto:

mn <- tapply(d$score,d$template,mean)
df <- data.frame(template=names(mn),mean=mn)

Answer 3

library(plyr)
ddply(d, "template", summarise, mean = mean(score))