Jak używać rzutowania na ramkę danych?

Question

Mam ramki danych tak:

year income group 
1 2008 27907 Under25 
2 2009 25522 Under25 
3 2010 26777 Under25 
4 2008 58809 Age25_34 
5 2009 57239 Age25_34 
6 2010 58558 Age25_34 
7 2008 75677 Age35_44 
8 2009 74900 Age35_44 
9 2010 74136 Age35_44 
10 2008 78537 Age45_54 
11 2009 77460 Age45_54 
12 2010 76266 Age45_54 
13 2008 69009 Age55_64 
14 2009 67586 Age55_64 
15 2008 44402 Age65_74 
16 2009 46147 Age65_74 
17 2010 48595 Age65_74 
18 2008 32747 Over75 
19 2009 31272 Over75 
20 2010 31638 Over75 

> str(df) 
'data.frame': 20 obs. of 3 variables: 
$ year : int 2008 2009 2010 2008 2009 2010 2008 2009 2010 2008 ... 
$ income: int 27907 25522 26777 58809 57239 58558 75677 74900 74136 78537 ... 
$ group : Factor w/ 7 levels "Age25_34","Age35_44",..: 7 7 7 1 1 1 2 2 2 3 ... 

chciałbym używać obsady znaleźć na myśli grupy. Ponadto chciałbym utworzyć szeroki obiekt data.frame z tego katalogu df, gdzie pierwsza kolumna jest rokiem, a następujące kolumny są dochodami dla różnych grup. Dla przykładu

year  under25  Age25_34  Age35_44  Age45_54 ... 
2008  27907  58809  75677  78537  ... 
2009  25522  57239  74900  77460  ... 
... 

Kiedy próbuję oddanych pojawia się następujący błąd:

cast(df, income ~ group, mean) Using group as value column. Use the value argument to cast to override this choice Error in [.data.frame (data, , variables, drop = FALSE) : undefined columns selected

Co robię źle z poleceniem szarego?

Jak przekonwertować to na szeroki format, jak pokazano w przykładzie?

Moja informacja o wersji R znajduje się poniżej.

> unlist(R.Version()) 
    platform       arch        os 
"x86_64-pc-mingw32"     "x86_64"      "mingw32" 

system       status       major 
"x86_64, mingw32"     ""        "2" 

minor       year       month 
"13.1"       "2011"       "07" 

day       svn rev      language 
"08"       "56322"        "R" 
version.string 
"R version 2.13.1 (2011-07-08)" 

Answer 1

Spróbuj tego z cast

cast(df, year ~ group, mean, value = 'income') 

    year Age25_34 Age35_44 Age45_54 Age55_64 Age65_74 Over75 Under25 
1 2008 58809 75677 78537 69009 44402 32747 27907 
2 2009 57239 74900 77460 67586 46147 31272 25522 
3 2010 58558 74136 76266  NaN 48595 31638 26777 

Answer 2

aggregate(cbind(year, income)~group, data=df, FUN=mean) 
    group year income 
1 Age25_34 2009.0 58202.00 
2 Age35_44 2009.0 74904.33 
3 Age45_54 2009.0 77421.00 
4 Age55_64 2008.5 68297.50 
5 Age65_74 2009.0 46381.33 
6 Over75 2009.0 31885.67 
7 Under25 2009.0 26735.33 

Answer 3

Dlaczego nie Tapply użyciu?

with(df, tapply(income, list(year, group), mean)) 

(Dzięki Ramnath dobrych komentarzy)

Answer 4

Utwórz ramkę danych:

year<-c(2008,2009, 2010,2008,2009, 2010, 2008,2009, 2010,2008, 2009, 2010, 2008, 2009, 2008, 2009, 2010, 2008,2009,2010) 
income<-c(27907,25522, 26777,58809, 57239, 58558, 75677,74900, 74136, 78537,77460,76266, 69009,67586, 44402, 46147,48595,32747, 31272,31638) 
group<-c("Under25","Under25","Under25","Age25_34","Age25_34","Age25_34","Age35_44","Age35_44","Age35_44","Age45_54","Age45_54","Age45_54","Age55_64","Age55_64","Age65_74","Age65_74","Age65_74","Over75","Over75","Over75") 

demographic_data<-data.frame(year, income,group) 
demographic_data 

str(demographic_data) 

stopić danych demograficznych od roku:

library(reshape) 
melted_demographic_data<-melt(demographic_data,id=c("group","year")) 
melted_demographic_data 

groupmeans<-cast(melted_demographic_data,group~variable, mean) 
groupmeans 
yearmeans<-cast(melted_demographic_data,year~variable, mean) 
yearmeans