按年份和会议计算各组的标准差

Question

首先，我是 R 编程新手，所以我的很多问题可能是对基础知识的误解。

我正在研究大学橄榄球，并试图按年自动计算每个会议内的标准差。

我当前的数据框使用这些变量进行格式化：

年份、会议、学院、胜利、损失和 w_pct（根据胜利和损失计算）。

这是一个示例：

我的问题主要是关于分组并计算每组（年份/会议）内 w_pct 的标准差。

我已经尝试过很多次 group_by ，但是当我向其中添加 stats::SD 函数时，它要么返回错误，要么计算整个数据的一个标准差，而不是按年份和会议计算。

有没有更好/更简单/更有效的方法来做到这一点？或者我真的需要为每年/会议创建单独的数据框吗？

非常感谢任何帮助！

谢谢！

克里斯

Answer 1

由于我们没有真实数据，我将弥补一些样本数据。这不会是“真实”的输赢记录，需要定义获胜和失败的球队等，但这个想法和代码应该像随机数据一样适用于正确的输赢记录。

创建示例数据

首先，为四个会议创建五年的数据，每个会议有六个团队。因此，每年将有24个参赛作品。

set.seed(14L)
# Five years with 24 entries each 
Year <- rep(2020:2024, each = 24L)
# Four conferences with six teams each for the five years
Conference <- rep(c("North", "South", "East", "West"), each = 6L, times = 5L)
# 24 teams
Teams <- LETTERS[1:24]
# Wins for each team in each year (120 in total)
Wins <- sample(0:8, 120, replace = TRUE)
Losses = 8 - Wins
WP <- Wins / 8
Hist <- data.frame(Year = Year,
                   Conference = Conference,
                   Teams = Teams,
                   Wins = Wins,
                   Losses = Losses,
                   WP = WP)

摘录：

> head(Hist)
  Year Conference Teams Wins Losses    WP
1 2020      North     A    8      0 1.000
2 2020      North     B    8      0 1.000
3 2020      North     C    3      5 0.375
4 2020      North     D    3      5 0.375
5 2020      North     E    0      8 0.000
6 2020      North     F    8      0 1.000

> tail(Hist)
    Year Conference Teams Wins Losses    WP
115 2024       West     S    5      3 0.625
116 2024       West     T    8      0 1.000
117 2024       West     U    2      6 0.250
118 2024       West     V    8      0 1.000
119 2024       West     W    8      0 1.000
120 2024       West     X    1      7 0.125

data.table方法

在我看来，最简单的方法是使用

data.table

。

按年份

> Hist[, .(mean = mean(WP), sd = sd(WP)), keyby = Year]
   Year      mean        sd
1: 2020 0.5104167 0.3356464
2: 2021 0.5052083 0.3387942
3: 2022 0.5416667 0.2823299
4: 2023 0.5416667 0.3142163
5: 2024 0.5104167 0.3553104
> 

通过会议

> Hist[, .(mean = mean(WP), sd = sd(WP)), keyby = Conference]
   Conference      mean        sd
1:       East 0.4666667 0.3043034
2:      North 0.5958333 0.3500051
3:      South 0.4833333 0.3021713
4:       West 0.5416667 0.3255190

按年份 按会议

> Hist[, .(mean = mean(WP), sd = sd(WP)), keyby = c("Year", "Conference")]
    Year Conference      mean        sd
 1: 2020       East 0.6250000 0.2622022
 2: 2020      North 0.6250000 0.4330127
 3: 2020      South 0.2916667 0.2922613
 4: 2020       West 0.5000000 0.2958040
 5: 2021       East 0.4791667 0.2671220
 6: 2021      North 0.4791667 0.4063301
 7: 2021      South 0.6458333 0.3825626
 8: 2021       West 0.4166667 0.3322900
 9: 2022       East 0.5625000 0.2931510
10: 2022      North 0.4375000 0.2709935
11: 2022      South 0.4583333 0.2188988
12: 2022       West 0.7083333 0.3227486
13: 2023       East 0.4583333 0.3322900
14: 2023      North 0.8541667 0.2002602
15: 2023      South 0.4375000 0.2931510
16: 2023       West 0.4166667 0.2457980
17: 2024       East 0.2083333 0.2813657
18: 2024      North 0.5833333 0.3415650
19: 2024      South 0.5833333 0.2700309
20: 2024       West 0.6666667 0.4005205

基本 R 方法

聚合法

在基础 R 中，可以使用

aggregate

。由于需要将变量分组为列表，语法有点麻烦。另外，我相信一个人一次只能传递一个函数。下面将使用

sd

。

按年份

aggregate(Hist$WP, by = list(Hist$Year), sd)
> aggregate(Hist$WP, by = list(Hist$Year), sd)
  Group.1         x
1    2020 0.3356464
2    2021 0.3387942
3    2022 0.2823299
4    2023 0.3142163
5    2024 0.3553104

通过会议

> aggregate(Hist$WP, by = list(Hist$Conference), sd)
  Group.1         x
1    East 0.3043034
2   North 0.3500051
3   South 0.3021713
4    West 0.3255190

按年份 按会议

请注意，这里最快的变化的变量是第一个，在data.table中最慢的变量是第一个。

> aggregate(Hist$WP, by = list(Hist$Conference, Hist$Year), sd)
   Group.1 Group.2         x
1     East    2020 0.2622022
2    North    2020 0.4330127
3    South    2020 0.2922613
4     West    2020 0.2958040
5     East    2021 0.2671220
6    North    2021 0.4063301
7    South    2021 0.3825626
8     West    2021 0.3322900
9     East    2022 0.2931510
10   North    2022 0.2709935
11   South    2022 0.2188988
12    West    2022 0.3227486
13    East    2023 0.3322900
14   North    2023 0.2002602
15   South    2023 0.2931510
16    West    2023 0.2457980
17    East    2024 0.2813657
18   North    2024 0.3415650
19   South    2024 0.2700309
20    West    2024 0.4005205

tapply

方法

如果结构不太重要，也可以使用

tapply

。

按年份

> tapply(Hist$WP, Hist$Year, sd)
     2020      2021      2022      2023      2024 
0.3356464 0.3387942 0.2823299 0.3142163 0.3553104 

通过会议

> tapply(Hist$WP, Hist$Conference, sd)
     East     North     South      West 
0.3043034 0.3500051 0.3021713 0.3255190

按年份 按会议

> tapply(Hist$WP, list(Hist$Year, Hist$Conference), sd)
          East     North     South      West
2020 0.2622022 0.4330127 0.2922613 0.2958040
2021 0.2671220 0.4063301 0.3825626 0.3322900
2022 0.2931510 0.2709935 0.2188988 0.3227486
2023 0.3322900 0.2002602 0.2931510 0.2457980
2024 0.2813657 0.3415650 0.2700309 0.4005205