Utilisation de tidyverse, somme des valeurs conditionnellement sur les distributions dans chaque sous-ensemble

Question

J'ai un exemple de cadre de données ci-dessous où chaque jour des month et precip sont enregistrés.

set.seed(560) 
df<-data.frame(month= rep(1:4, each=30), 
      precip= rep(c(rnorm(30, 20, 10), rnorm(30, 10, 2), 
      rnorm(30, 50, 1), rnorm(30, 15, 3)))) 

Pour chaque sous-ensemble, je tiens à compter le nombre de cas, une valeur a été +/- 2 écarts-types (SD) supérieure ou inférieure à la moyenne des valeurs precip de ce mois. Essentiellement, je dois trouver des valeurs aux extrêmes de la distribution des valeurs (c'est-à-dire les queues de la distribution). Cette colonne de résultat s'appellera count.

La sortie se présente comme suit pour cet exemple ensemble de données:

set.seed(560) 
output<-data.frame(month= rep(1:4, each=1), count= c(1,2,1,1)) 

Avis pour le mois 1 valeurs ci-dessus 35,969 et des valeurs inférieures à 2,61 sont à +/- 2éme de la moyenne. Une valeur (precip = 41,1) correspond à cette exigence. Preuve:

sub1<- subset(df, month==1) 
    v1<- mean(sub1$precip)+ 2*sd(sub1$precip)#35.969 
    v2<- mean(sub1$precip)- 2*sd(sub1$precip)#2.61 
sub2<- subset(df, month==2) 
v3<- mean(sub2$precip)+ 2*sd(sub2$precip)#13.89 
v4<- mean(sub2$precip)- 2*sd(sub2$precip)#7.35 
sub3<- subset(df, month==3) 
v5<- mean(sub3$precip)+ 2*sd(sub3$precip)#51.83 
v6<- mean(sub3$precip)- 2*sd(sub3$precip)#48.308 
sub4<- subset(df, month==4) 
v7<- mean(sub4$precip)+ 2*sd(sub4$precip)#18.69 
v8<- mean(sub4$precip)- 2*sd(sub4$precip)#9.39 

J'ai essayé:

output<- 
df %>% 
group_by(month)%>% 
summarise(count= sum(precip > (mean(precip)+(2*sd(precip)))& 
         precip < (mean(precip)-(2*sd(precip)))))) 

Answer 1

dans la base R

tapply(df$precip, df$month, function(a) sum(abs(scale(a)) >= 2)) 

Sortie

1 2 3 4 
1 2 2 1 

Answer 2

solution très simple, changer votre logique et & à OU | une s aucune rangée ne sera dans les deux conditions.

output<- 
    df %>% 
    group_by(month)%>% 
    summarise(count= sum(precip > (mean(precip)+(2*sd(precip))) | 
         precip < (mean(precip)-(2*sd(precip))))) 

output 
# A tibble: 4 x 2 
# month count 
# <int> <int> 
# 1  1  1 
# 2  2  2 
# 3  3  2 
# 4  4  1 

et d'ajouter une solution de base en utilisant R by (l'équivalent de dplyr::group_by())

do.call(rbind, 
     by(df, df$month, FUN=function(i){ 
      tmp <- i[i$precip < mean(i$precip) - 2*sd(i$precip) | 
        i$precip > mean(i$precip) + 2*sd(i$precip),] 

      return(data.frame(month=i$month[[1]], count=nrow(tmp))) 
      }) 
     ) 

# month count 
# 1  1  1 
# 2  2  2 
# 3  3  2 
# 4  4  1 

En variante, avec ave, ifelse et aggregate:

df$count <- ifelse(df$precip > ave(df$precip, df$month, FUN=function(g) mean(g) + 2*sd(g)) | 
        df$precip < ave(df$precip, df$month, FUN=function(g) mean(g) - 2*sd(g)), 1, 0) 

aggregate(count ~ month, df, FUN=sum) 

# month count 
# 1  1  1 
# 2  2  2 
# 3  3  2 
# 4  4  1