Q&A
---はじめて質問いたします。どうぞよろしくお願いいたします。
R（Rstudio）において、データフレームの集計に難渋しております。
データハンドリングを普段からされていらっしゃる方からすれば、こんな初歩的なことを？と思われるかもしれませんが、上手くたどり着けず時間ばかり消費しており、困っております。
お知恵をお借りできましたら幸いです。
前提
- 10個の個体において、同一個体ごと５回繰り返し測定した１～５の整数データがある
- すべてに5回繰り返し測定されていないので、欠損（NA）もある。
- 時系列データなので、3回目以降がNAという場合や、すべてNAという場合もある。
実現したいこと
- 各個体ごとに測定データの出現回数をカウントしたい。
手持ちのデータ
データの例としては以下の表のようなデータフレームです
表１
| No | 1回目 | 2回目 | 3回目 | 4回目 | 5回目 |
|---|---|---|---|---|---|
| 1 | 1 | NA | NA | NA | NA |
| 2 | 1 | 2 | NA | NA | NA |
| 3 | 3 | NA | NA | NA | NA |
| 4 | 1 | 3 | NA | NA | NA |
| 5 | 4 | 3 | 4 | 3 | 1 |
| 6 | 1 | 1 | 1 | NA | NA |
| 7 | 4 | 1 | 3 | NA | NA |
| 8 | NA | NA | NA | NA | NA |
| 9 | 4 | 4 | 1 | NA | NA |
| 10 | 3 | 3 | NA | NA | NA |
上記データフレームの作成コードを追加いたします。
dfをお使いいただけますと幸いです。
R
1# 解析用データフレームの作成 df をお使いください。 2No <- c(1:10) 3keisoku1 <- c(1,1,3,1,4,1,4,NA,4,3) 4keisoku2 <- c(NA,2,NA,3,3,1,1,NA,4,3) 5keisoku3 <- c(NA,NA,NA,NA,4,1,3,NA,1,NA) 6keisoku4 <- c(NA,NA,NA,NA,3,NA,NA,NA,NA,NA) 7keisoku5 <- c(NA,NA,NA,NA,1,NA,NA,NA,NA,NA) 8df <- data.frame( 9 No, 10 "1回目" = keisoku1, 11 "2回目" = keisoku2, 12 "3回目" = keisoku3, 13 "4回目" = keisoku4, 14 "5回目" = keisoku5 15 ) 16rm(No,keisoku1,keisoku2,keisoku3,keisoku4,keisoku5) 17
実現したいこと
上記の表１の右側に下記表２のように出現整数をカウントしたデータが追加される
表２
| No | 1回目 | 2回目 | 3回目 | 4回目 | 5回目 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | NA | NA | NA | NA | 1 | 0 | 0 | 0 | 0 |
| 2 | 1 | 2 | NA | NA | NA | 1 | 1 | 0 | 0 | 0 |
| 3 | 3 | NA | NA | NA | NA | 0 | 0 | 1 | 0 | 0 |
| 4 | 1 | 3 | NA | NA | NA | 1 | 0 | 1 | 0 | 0 |
| 5 | 4 | 3 | 4 | 3 | 1 | 1 | 0 | 2 | 2 | 0 |
| 6 | 1 | 1 | 1 | NA | NA | 3 | 0 | 0 | 0 | 0 |
| 7 | 4 | 1 | 3 | NA | NA | 1 | 0 | 1 | 1 | 0 |
| 8 | NA | NA | NA | NA | NA | 0 | 0 | 0 | 0 | 0 |
| 9 | 4 | 4 | 1 | NA | NA | 1 | 0 | 0 | 2 | 0 |
| 10 | 3 | 3 | NA | NA | NA | 0 | 0 | 2 | 0 | 0 |
試したこと
何分自己流でdplyrやtidyrなどを使ってもうまくいきません。
wide型をlong型に変えるところまではしましたが、
思うような結果につながりません。
補足
個人的な研究、解析です。学校、講習等の課題ではありません。
あまり関係ないかと思いますが、
Rのバージョンは4.4.0
Rstudioのバージョンは 2024.04.2+764 です。
どうぞよろしくお願いいたします。
回答1件
0
ベストアンサー
各個体ごとに測定データの出現回数をカウントしたい
データフレームの行ごとに(apply(..., 1, ...))測定データ(seq(1, 5))の出現回数を集計します(sapply(seq(1, 5), ...))。
r
1df <- data.frame( 2 No = 1:10, 3 `1回目` = c(1, 1, 3, 1, 4, 1, 4, NA, 4, 3), 4 `2回目` = c(NA, 2, NA, 3, 3, 1, 1, NA, 4, 3), 5 `3回目` = c(NA, NA, NA, NA, 4, 1, 3, NA, 1, NA), 6 `4回目` = c(NA, NA, NA, NA, 3, NA, NA, NA, NA, NA), 7 `5回目` = c(NA, NA, NA, NA, 1, NA, NA, NA, NA, NA), 8 check.names = FALSE 9) 10 11# 12df <- cbind(df, t(apply(df[,2:6], 1, \(x) sapply(1:5, \(a, b) sum(a==b, na.rm=T), x)))) 13df 14 15# No 1回目 2回目 3回目 4回目 5回目 1 2 3 4 5 16# 1 1 1 NA NA NA NA 1 0 0 0 0 17# 2 2 1 2 NA NA NA 1 1 0 0 0 18# 3 3 3 NA NA NA NA 0 0 1 0 0 19# 4 4 1 3 NA NA NA 1 0 1 0 0 20# 5 5 4 3 4 3 1 1 0 2 2 0 21# 6 6 1 1 1 NA NA 3 0 0 0 0 22# 7 7 4 1 3 NA NA 1 0 1 1 0 23# 8 8 NA NA NA NA NA 0 0 0 0 0 24# 9 9 4 4 1 NA NA 1 0 0 2 0 25# 10 10 3 3 NA NA NA 0 0 2 0 0
追記
①cbindの第二引数、apply前の「t」です。
tは各1〜5の作成された列が入る変数を表している?
t は transpose(転置)関数です。例えば以下では 2x3 行列を 3x2 行列に変換しています。
> a <- matrix(1:6, 2, 3) > a [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > t(a) [,1] [,2] [1,] 1 2 [2,] 3 4 [3,] 5 6
なぜこの様なことをしているかと言うと、apply(..., 1, ...) で返るデータフレームが5行10列になっているので、転置して10行5列のデータフレームにしないと元のデータフレーム(df: 10行6列)と結合できないからです。
②「t(apply(df[,2:6],～」」の「df[,2～」でなぜ「,」が必要か？
すでにdfでデータフレームを指定しているので、何の引数を省略しているのでしょうか。
df[,2:6] という表記は「dfの(全ての行の)2列目から6列目」を指しています。df[行範囲, 列範囲] という表記で取り出す部分を指定することができますが、範囲を省略すると全ての行、もしくは全ての列として処理されます。例えば df[1:5,] は「dfの1行目から5行目(までの全ての列)」を指します。また、行や列の指定にはラベルを指定することもできます。例えば df[,c("2回目", "3回目", "4回目")] は「dfの"2回目"列, "3回目"列, "4回目"列」を取り出します。
③バックスラッシュで整数を文字列下していることは分かりました。
「～ (x) sapply(1:5, \～」のsapplyの前にある「（x）」ですが、
変数列名をつくるための変数？これにより各行の変数を示している？
バックスラッシュですが、これは R 4.1.0 から追加された表記方法で、無名関数(anonymous function)を表しています。なので、(x) や (a, b) は関数パラメータになります。
# R 4.1.0 以降(function(...) ~ 表記でも可) df <- cbind(df, t(apply(df[,2:6], 1, \(x) sapply(1:5, \(a, b) sum(a==b, na.rm=T), x)))) # R 4.1.0 よりも前のバージョン df <- cbind(df, t(apply(df[,2:6], 1, function(x) sapply(1:5, function(a, b) sum(a==b, na.rm=T), x))))
④「～(a, b) sum(a==b,～」でなぜ、1～5がにaとbに代入されていくのか？
このように前に変数を置く構文がはじめてです。もう少し探してみます。
⑤「～sum(a==b, na.rm=T), x)～」のxは何をしているのか？
この構文のxに意味することがわかりません。
具体的に、5行目のデータでの処理を見てみます。
# 5行目(No == 5)の1回目から5回目の測定データ c(4, 3, 4, 3, 1) # \(x) の x に c(4, 3, 4, 3, 1) が渡されます apply(..., 1, \(c(4, 3, 4, 3, 1)) sapply(1:5, \(a, b) sum(a==b, na.rm=T), x) # 次に sapply の引数である x が c(4, 3, 4, 3, 1) になります sapply(1:5, \(a, b) sum(a==b, na.rm=T), c(4, 3, 4, 3, 1)) # 無名関数のパラメータとして 1:5 と c(4, 3, 4, 3, 1) が渡されることになりますが、 # パラメータ a にはそれぞれ 1 から 5 まで渡されて、パラメータ b は全て c(4, 3, 4, 3, 1) # になります \(1, c(4, 3, 4, 3, 1)) sum(a==b, na.rm=T) \(2, c(4, 3, 4, 3, 1)) sum(a==b, na.rm=T) \(3, c(4, 3, 4, 3, 1)) sum(a==b, na.rm=T) \(4, c(4, 3, 4, 3, 1)) sum(a==b, na.rm=T) \(5, c(4, 3, 4, 3, 1)) sum(a==b, na.rm=T) # 最終的に以下が実行されることになります sum(1==c(4, 3, 4, 3, 1), na.rm=T) => 1 sum(2==c(4, 3, 4, 3, 1), na.rm=T) => 0 sum(3==c(4, 3, 4, 3, 1), na.rm=T) => 2 sum(4==c(4, 3, 4, 3, 1), na.rm=T) => 2 sum(5==c(4, 3, 4, 3, 1), na.rm=T) => 0 # ここで、数値とベクタを比較すると logical型のベクタが返ります > 1==c(4, 3, 4, 3, 1) [1] FALSE FALSE FALSE FALSE TRUE > 3==c(4, 3, 4, 3, 1) [1] FALSE TRUE FALSE TRUE FALSE # そして sum() 関数では TRUE は整数の 1, FALSE は 0 として集計されます。 > sum(1==c(4, 3, 4, 3, 1)) [1] 1 > sum(3==c(4, 3, 4, 3, 1)) [1] 2
以上の処理が1行目から10行目までのそれぞれの行で実行されます。
投稿2024/07/13 11:02
編集2024/07/14 18:26
総合スコア20255
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2024/07/14 02:31 編集
2024/07/14 18:39
2024/07/15 05:52