[R][翻譯] 快速計算統計資訊(使用dplyr 套件)

        dplyr是個實用好用的套件，主要功能是用來取代運算慢的SQL套件，來做變項的aggregate運算。(不過在我還是新手的時候SQL套件真的幫了我很多忙XD) 這篇文章的原文為：

Using R: quickly calculating summary statistics (with dplyr)

        dplyr是屬於ddply套件，要使用前請先安裝。

	## The code for the toy data is exactly the same
	data <- data.frame(sex = c(rep(1, 1000), rep(2, 1000)),
	treatment = rep(c(1, 2), 1000),
	response1 = rnorm(2000, 0, 1),
	response2 = rnorm(2000, 0, 1))
	## reshape2 still does its thing:
	library(reshape2)
	melted <- melt(data, id.vars=c("sex", "treatment"))
	## This part is new:
	library(dplyr)
	grouped <- group_by(melted, sex, treatment)
	summarise(grouped, mean=mean(value), sd=sd(value))

view raw gistfile1.r hosted with ❤ by GitHub

        這是一個簡單的範例，首先使用group by將data分成兩群，注意在輸入欄位時不需要加上任何引號。group by的結果會長得像這樣：

	Source: local data frame [4,000 x 4]
	Groups: sex, treatment, variable
	sex treatment variable value
	1 1 1 response1 -0.15668214
	2 1 2 response1 -0.40934759
	3 1 1 response1 0.07103731
	4 1 2 response1 0.15113270
	5 1 1 response1 0.30836910
	6 1 2 response1 -1.41891407
	7 1 1 response1 -0.07390246
	8 1 2 response1 -1.34509686
	9 1 1 response1 1.97215697
	10 1 2 response1 -0.08145883

view raw gistfile1.txt hosted with ❤ by GitHub

         分組的data仍然是一個data frame，但是分組資訊已經包含在其中。下一個指令(summarise)，會將欄位依分組聚集(aggregate)，聚集指令可依您的需求而定，這邊使用的是平均數和標準差：

	Source: local data frame [8 x 5]
	Groups: sex, treatment
	sex treatment variable mean sd
	1 1 1 response1 0.021856280 1.0124371
	2 1 1 response2 0.045928150 1.0151670
	3 1 2 response1 -0.065017971 0.9825428
	4 1 2 response2 0.011512867 0.9463053
	5 2 1 response1 -0.005374208 1.0095468
	6 2 1 response2 -0.051699624 1.0154782
	7 2 2 response1 0.046622111 0.9848043
	8 2 2 response2 -0.055257295 1.0134786

view raw gistfile1.txt hosted with ❤ by GitHub

         從上面的例子可以看得出來dplyr提供了比較簡潔的指令。當然我們也可以換種表示方式：

	summarise(group_by(melted, sex, treatment, variable),
	mean=mean(value), sd=sd(value))
	melted %.% group_by(sex, treatment, variable) %.%
	summarise(mean=mean(value), sd=sd(value))

view raw gistfile1.purs hosted with ❤ by GitHub

        第一個指令沒什麼特別的。但是第二種就需要注意一下，dplyr使用了 %.% 這個計算符號來將符號左邊的function放入右邊的function中計算。melted指的是我們要用來的分析的data，透過%.% 放入了group by中運算；group by的結果再放入summarise中運算，算是另外一種表示巢狀計算方式。