Je voudrais trouver ici quelques idées pour résoudre un problème très pratique. Disons que j'ai deux points temporels (w0 et w1) et que je veux soustraire (ou additionner) toutes les valeurs appariées spécifiques. Mesurez 1 au temps 1 et mesurez 1 au temps 2, mesurez 2 au temps 1 et mesurez 2 au temps 2.
Je suis plus familier avec l'environnement tidyverse (le ronronnement sera souhaitable) et c'est le code que j'ai pour simuler le ensemble de données réel
Toute chasse est souhaitée. Merci
for (i in 1:3) {
ds %>%
summarise(dif_1 = mean(w0_[[i]], na.rm=T)-mean(w1_[[i]], na.rm=T))
}
Au fait, je sais que le code suivant ne fonctionnera pas, mais c'est la raison d'être de ma question
library(tidyverse)
ds <- data.frame(w0_1=rnorm(10,1,2),
w0_2=rnorm(10,3,3),
w0_3=rnorm(10,3,2),
w1_1=rnorm(10,2,1),
w1_2=rnorm(10,3,3),
w1_3=rnorm(10,5,4))
ds %>%
summarise(dif_1 = mean(w0_1, na.rm=T)-mean(w1_1, na.rm=T))
ds %>%
summarise(dif_2 = mean(w0_2, na.rm=T)-mean(w1_2, na.rm=T))
3 Réponses :
Voici une solution, il y a probablement quelque chose de plus simple
ds %>% pivot_longer(names(ds),names_to=c('g0','g1'),names_pattern= '^(w.*)_(.*)') %>% # convert to long format
group_by(g0,g1) %>% # group by g0 = (w0 or w1) and g1=(1,2,3)
summarise(value=mean(value,na.rm=TRUE)) %>% # get mean by group
pivot_wider(names_from=g0,values_from=value) %>% # pivot to get three lines
mutate(dif = w0-w1) %>% # difference of mean by group
select(g1,dif) %>% # keep only useful columns
pivot_wider(names_from=g1,names_prefix='dif_',values_from=dif) #pivot again to have everything in one line
# A tibble: 1 x 3
# dif_1 dif_2 dif_3
# <dbl> <dbl> <dbl>
#1 -0.856 0.344 -2.84
Vous n'avez pas défini de graine donc nos résultats peuvent varier, j'ai utilisé set.seed (1) code >.
Aucune boucle ou besoin de ronronnement, l'idée est que si vous devez faire des boucles, cela signifie que vos données doivent être remodelées en utilisant pivot_longer par exemple
Je vous suggère de l'exécuter étape par étape pour voir ce que fait le code sur chaque ligne, chaque étape est une transformation de base.
La moyenne pour w0_1 est 1.264 et pour w1_1 est 2.121 donc w0_1 - w1_1 est -.856.
@dcarlson très bien merci, je faisais w1-w0 au lieu de w0-w1
Wow, merci beaucoup. C'est une solution très élégante. Il me manquait dplyr utilise maintenant pivot_longer (au lieu de rassembler / diffuser). Maintenant, j'essaye de comprendre l'argument "names_to".
En utilisant les données de @ fmarm, voici une approche non ordonnée:
(ds.diff <- ds.mean[1:3] - ds.mean[4:6]) # w0_1 w0_2 w0_3 # -0.8563 0.3441 -2.8412
Si le nombre de w0 est connu (3 dans ce cas), c'est plus simple:
XXX
Réponse beaucoup plus simple que la mienne, +1
Solution très agréable et facile! Merci beaucoup !! +1
Pour une approche purrr , vous pouvez d'abord diviser le dataframe en groupes de 3, puis utiliser pmap_dbl ()
dataset %>%
select(starts_with("w4"), starts_with("w0")) %>%
split.default((seq_along(.)-1) %/% (ncol(.)/2)) %>%
pmap_dbl(~ mean(.x - .y))
Dans réponse aux commentaires de l'OP concernant l'ensemble de données complet comportant 12 variables aux deux points temporels, et en supposant que les variables sont dans l'ordre et n'ont aucune valeur manquante:
library(purrr)
library(dplyr)
split.default(ds, (seq_along(ds)-1) %/% 3) %>%
pmap_dbl(~ mean(.x - .y))
w0_1 w0_2 w0_3
-0.8563246 0.3441249 -2.8411739
Merci beaucoup, mais si au lieu d'avoir un ds, je dois sélectionner certaines variables, telles que w0_1: w0_3, w1_1: w1_3. Ceci -> split.default (ds, select (w0_1: w0_3, w1_1: w1_3))%>% pmap_dbl (~ mean (.x - .y)) ne fonctionne pas.
OK - vous devez simplement sélectionner les variables avant de fractionner - ds%>% select (starts_with ("w0"), starts_with ("w1")) ...
Merci. J'y suis presque. Dans mon ensemble de données réel, j'ai 12 variables pour la première mesure et 12 variables pour la seconde. C'est proche, mais il se passe quelque chose. Pourriez-vous s'il vous plaît corriger ce qui suit? Merci. ensemble de données%>% select (starts_with ("w4"), starts_with ("w0"))%>% split.default (., (seq_along (.) - 1)% /% 3)%>% pmap_dbl (~ mean ( .x - .y))
La dernière question, au cas où il me manquerait des données, les résultats peuvent être délicats: pmap_dbl (~ mean (.x - .y, na.rm = T)) semble fonctionner, mais je ne sais pas si les résultats sont fiables .
@Luis - Avec des valeurs manquantes, vous pouvez le changer en mean (.x, na.rm = TRUE) - mean (.y, na.rm = TRUE) .