aggregate関数による集約やグルーピング

データを集計する際に合計を求めたり、平均値などの基礎統計量を算出することはよくやる作業です。
Rを使用したクラシックなやり方として、aggregate関数を示します。

なお、aggregateは作業時間が比較的かかるため、dplyrなどが推奨されています。

まずはデータ読み込み

ggplot2ライブラリ内になるdiamondsデータを使用します。

R

library(ggplot2)
data(diamonds)
diamonds

# 列名調べる
colnames(diamonds)
 [1] "carat"   "cut"     "color"   "clarity" "depth"   "table"   "price"   "x"       "y"       "z"

早速、集計作業

"cut"の種類別に(group_byのようなもの）価格の平均値を平均・合計を算出します。
~（チルダ記号)を使って、算出の対象と層別の定義をします）

R

# データは第2引数で指定し、第3引数で関数を指定
aggregate(price ~  cut , diamonds, mean)
        cut    price
1      Fair 4358.758
2      Good 3928.864
3 Very Good 3981.760
4   Premium 4584.258
5     Ideal 3457.542

aggregate(price ~  cut , diamonds, sum)
        cut    price
1      Fair  7017600
2      Good 19275009
3 Very Good 48107623
4   Premium 63221498
5     Ideal 74513487

# summaryでざくっと集計
aggregate(price ~  cut , diamonds, summary)

        cut price.Min. price.1st Qu. price.Median price.Mean price.3rd Qu. price.Max.
1      Fair    337.000      2050.250     3282.000   4358.758      5205.500  18574.000
2      Good    327.000      1145.000     3050.500   3928.864      5028.000  18788.000
3 Very Good    336.000       912.000     2648.000   3981.760      5372.750  18818.000
4   Premium    326.000      1046.000     3185.000   4584.258      6296.000  18823.000
5     Ideal    326.000       878.000     1810.000   3457.542      4678.500  18806.000

集計軸の追加

集計軸の追加（グルーピング変数追加）をしてグルーピングする場合は、+記号で変数名を指定

R

aggregate(price ~  cut + color, diamonds, summary)
         cut color price.Min. price.1st Qu. price.Median price.Mean price.3rd Qu. price.Max.
1       Fair     D    536.000      2204.500     3730.000   4291.061      4797.000  16386.000
2       Good     D    361.000       957.250     2728.500   3405.382      4581.000  18468.000
3  Very Good     D    357.000       850.000     2310.000   3470.467      4633.000  18542.000
4    Premium     D    367.000       958.000     2009.000   3631.293      4915.000  18575.000
5      Ideal     D    367.000       854.250     1576.000   2629.095      3102.000  18693.000
6       Fair     E    337.000      1589.500     2956.000   3682.312      4518.250  15584.000
7       Good     E    327.000       969.000     2420.000   3423.644      4535.000  18236.000
8  Very Good     E    352.000       755.000     1989.500   3214.652      4355.000  18731.000
9    Premium     E    326.000       964.000     1928.000   3538.914      4628.000  18477.000
10     Ideal     E    326.000       872.000     1437.000   2597.550      3013.500  18729.000

```R:R

aggregate(price ~  cut + color + depth, diamonds, mean)
          cut color depth     price
1        Fair     G  43.0  3634.000
2       Ideal     J  43.0  4778.000
3        Fair     G  44.0  4032.000
4        Fair     I  50.8  6727.000
5        Fair     E  51.0   945.000

２つの変数を集約する場合は、cbind()などで結合する

R

 aggregate( cbind(price,carat) ~ cut, diamonds, mean)
        cut    price     carat
1      Fair 4358.758 1.0461366
2      Good 3928.864 0.8491847
3 Very Good 3981.760 0.8063814
4   Premium 4584.258 0.8919549
5     Ideal 3457.542 0.7028370