如何动态子集值和计算平均值

Question

我有一个包含三个变量(ACC、Type和ID)的数据框架，其中ACC指的是决策的准确性，Type指的是30种不同的决策类型，每种决策类型对参与者重复15次，ID指的是参与者。它看起来是这样的：

ID     ACC     Type
1       1       1
1       0       3   
1       1      10
etc...
2       1       5
2       0      13
2       0      11
etc...

我的目标是分析参与者中每种决策类型的准确性，并将数据合并到数据框架中。例如：

ID    ACC_Type1     ACC_Type2 […]  ACC_Type30
1       70             65             87
2       65             50             90
etc...

到目前为止，我可以通过单独设置决策类型的子集来计算，然而，我正在寻找一种更智能的方法来避免单独输入决策类型值：

library(data.table)
library(plyr)
dt <- data.table(d,key="Type")
dt_Type1<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==1),mean))
dt_Type2<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==2),mean))
[]
dt_Type30<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==30),mean))

total <- merge(dt_Type1,dt_Type2 […] Type30,by="ID") 

如有任何帮助，我们不胜感激！

Answer 1

使用阿南达的数据，可以获得如下的data.table解决方案：

require(data.table)
dt <- data.table(mydf)
setkey(dt, "TYPE", "ID")
dt[, mean(ACC), by=key(dt)][, setattr(as.list(V1), 'names', 
                paste0("ACC", ID)), by=TYPE]
#    TYPE ACC1 ACC2 ACC3
# 1:    1  3.0  2.5  3.0
# 2:    2  1.5  2.0  3.0
# 3:    3  4.0  2.0  4.5

Answer 2

你对子集所做的是大材小用。对aggregate的基本调用应该就足够了。此外，要获得所需的输出，您需要使用reshape。下面是一个例子：

示例数据：

set.seed(1)
mydf <- data.frame(
  ID = rep(1:3, each = 6),
  ACC = sample(0:5, 18, replace = TRUE),
  TYPE = rep(1:3, 6)
)

步骤1:聚合

temp <- aggregate(ACC ~ ID + TYPE, mydf, mean)
temp
#   ID TYPE ACC
# 1  1    1 3.0
# 2  2    1 2.5
# 3  3    1 3.0
# 4  1    2 1.5
# 5  2    2 2.0
# 6  3    2 3.0
# 7  1    3 4.0
# 8  2    3 2.0
# 9  3    3 4.5

步骤2:重塑

reshape(temp, direction = "wide", idvar = "ID", timevar = "TYPE")
#   ID ACC.1 ACC.2 ACC.3
# 1  1   3.0   1.5   4.0
# 2  2   2.5   2.0   2.0
# 3  3   3.0   3.0   4.5

更新

来自"reshape2“的dcast可以通过它的fun.aggregate参数一步到位地处理这个问题，但是您需要做一些清理工作来修复名称。

> dcast(mydf, ID ~ TYPE, fun.aggregate = mean, value.var = "ACC")
  ID   1   2   3
1  1 3.0 1.5 4.0
2  2 2.5 2.0 2.0
3  3 3.0 3.0 4.5

Answer 3

如果DT是您的data.table，那么您可以使用by=Type (当然，发布一些示例数据将有助于生成更准确的答案)：

但是像这样的东西应该是可行的

  DT[,  mean(ACC),  by = Type]