org - r studio
¿Cómo puedo hacer que la salida de tapply() en un data.frame (3)
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$template
mean
Me encanta tapply, pero en este momento estoy cortando y pegando los resultados de tapply en un archivo de texto y hackeando un poco para obtener las estadísticas de resumen que quiero con los nombres apropiados. Esto se siente muy mal, y me gustaría hacer algo mejor!
Hay muchas formas diferentes de transformar la salida de una llamada de tapply en un data.frame.
Pero es mucho más sencillo evitar la llamada a tapply en primer lugar y sustituirla por una llamada a una función similar que devuelve un marco de datos en lugar de un vector:
más específicamente:
tapply devuelve un vector
agregado devuelve un marco de datos
así que simplemente cambie su llamada de función de tapply a agregada , de esta manera:
data(iris) # in ''datasets'' just call ''data'' and pass in ''iris'' as an argument
tx = tapply(iris$Sepal.Length, list(iris$Species), mean)
# returns: versicolor virginica
5.94 6.59
class(tx)
# returns: vector
tx = aggregate(iris$Sepal.length, list(iris$Species), mean)
# returns:
Group.1 x
1 versicolor 5.94
2 virginica 6.59
class(tx)
# returns: data.frame
Puedes probar esto:
mn <- tapply(d$score,d$template,mean)
df <- data.frame(template=names(mn),mean=mn)
library(plyr)
ddply(d, "template", summarise, mean = mean(score))