Re: [R-es] Función aggregate en dataframe
OK. Bien.
El mié, 29 mar 2023 a las 22:20, David Camilo Gomez Medina (<
dcgome...@unal.edu.co>) escribió:
> Listo, gracias.
>
> On Wed, 29 Mar 2023 at 15:19, Carlos Ortega
> wrote:
>
>> Ah... veo que tienes algunos valores nulos...
>> Entonces para calcular la media, habría que incluir este otro cambio:
>>
>> *+ mutate(mes_avg = mean(value, na.rm = TRUE), .by = c(month, vars))
>> %>%*
>>
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>>
>>
>> El mié, 29 mar 2023 a las 22:17, Carlos Ortega ()
>> escribió:
>>
>>> Ah...
>>> Sí, de esta forma...
>>>
>>> > resout <- df %>%
>>> + mutate(year = year(ym(yearmon))) %>%
>>> + mutate(month = month(ym(yearmon))) %>%
>>> + select(-year) %>%
>>> + relocate(month, .after = yearmon) %>%
>>> +
>>>
>>> * pivot_longer( cols = X1:X5, names_to = "vars" ) %>%+ mutate(mes_avg
>>> = mean(value), .by = c(month, vars)) %>%+ select(month, vars, mes_avg)
>>> %>%*
>>> + distinct() %>%
>>> + as.data.frame
>>> > resout
>>>month vars mes_avg
>>> 1 1 X1 0.5063388
>>> 2 1 X2 0.6054863
>>> 3 1 X3 0.4747568
>>> 4 1 X4 0.6525521
>>> 5 1 X5 0.3378098
>>> 6 2 X1 0.6480751
>>> 7 2 X2 0.3866987
>>> 8 2 X3 0.5628610
>>> 9 2 X4 0.2965187
>>> 10 2 X5 0.5039561
>>> 11 3 X1 0.3565034
>>> 12 3 X2 0.5595157
>>> 13 3 X3 0.4526992
>>> 14 3 X4 0.5256429
>>> 15 3 X5 0.5396339
>>> 16 4 X1 0.3492785
>>> 17 4 X2 0.4719472
>>> 18 4 X3 0.6069615
>>> 19 4 X4 0.5099684
>>> 20 4 X5 0.5375129
>>> 21 5 X1 0.6083371
>>> 22 5 X2 0.6986131
>>> 23 5 X3 0.3419662
>>> 24 5 X4 0.4950851
>>> 25 5 X5 0.5467911
>>> 26 6 X1 0.2031233
>>> 27 6 X2 0.4891435
>>> 28 6 X3 0.3186853
>>> 29 6 X4 0.7101540
>>> 30 6 X5 0.4964806
>>> 31 7 X1 0.4853932
>>> 32 7 X2 0.5883874
>>> 33 7 X3 0.8781151
>>> 34 7 X4 0.4065725
>>> 35 7 X5 0.3009754
>>> 36 8 X1 0.4974401
>>> 37 8 X2 0.6118529
>>> 38 8 X3 0.6042984
>>> 39 8 X4 0.3386884
>>> 40 8 X5 0.6710002
>>> 41 9 X1 0.6392356
>>> 42 9 X2 0.4150898
>>> 43 9 X3 0.5861839
>>> 44 9 X4 0.4325483
>>> 45 9 X5 0.6310271
>>> 4610 X1 0.4523220
>>> 4710 X2 0.5130199
>>> 4810 X3 0.3362966
>>> 4910 X4 0.5372736
>>> 5010 X5 0.5077318
>>> 5111 X1 0.4055051
>>> 5211 X2 0.4510812
>>> 5311 X3 0.2245734
>>> 5411 X4 0.7682052
>>> 5511 X5 0.3541822
>>> 5612 X1 0.6346173
>>> 5712 X2 0.5956540
>>> 5812 X3 0.3881634
>>> 5912 X4 0.6156253
>>> 6012 X5 0.6732854
>>> >
>>>
>>> #-
>>>
>>> Gracias,
>>> Carlos Ortega
>>> www.qualityexcellence.es
>>>
>>>
>>> El mié, 29 mar 2023 a las 22:12, David Camilo Gomez Medina (<
>>> dcgome...@unal.edu.co>) escribió:
>>>
Muchísimas gracias Carlos, aunque yo quiero conservar las columnas. Por
ejemplo, tú creaste información del año 2019 a 2022, para la columna X1
quiero calcular el promedio de enero para esos años y así con las demás
columnas. ¿Cómo podría cambiar tu código?
On Wed, 29 Mar 2023 at 15:05, Carlos Ortega
wrote:
> Ah, gracias..
>
> Me he creado uno de forma sintética...
> Esta es una forma...
>
> #-
> > library(dplyr)
> > library(tidyr)
> > library(lubridate)
> >
> >
> > crear_data_frame <- function(anios_inicio, anios_fin) {
> + anios_meses <- expand.grid(Year = anios_inicio:anios_fin, Month =
> 1:12)
> + anios_meses$yearmon <- paste0(anios_meses$Year, "-",
> sprintf("%02d", anios_meses$Month))
> + vars <- replicate(5, runif(nrow(anios_meses)))
> + data.frame(anios_meses, vars, stringsAsFactors = FALSE) %>%
> + select(-Year, -Month) %>%
> + arrange(yearmon)
> + }
> >
> > df <- crear_data_frame(2019, 2022)
> >
> > head(df)
> yearmonX1X2 X3X4 X5
> 1 2019-01 0.2783405 0.1556831 0.007564986 0.9981701 0.35200632
> 2 2019-02 0.3906244 0.1525354 0.794696565 0.6935012 0.15611665
> 3 2019-03 0.3607439 0.2350400 0.208026463 0.1175302 0.84753470
> 4 2019-04 0.7787032 0.371 0.697207166 0.3701457 0.04013776
> 5 2019-05 0.4973347 0.6898472 0.603442922 0.5696876 0.63328772
> 6 2019-06 0.5392983 0.9604180 0.45617 0.7767546 0.62486765
> >
> > resout <- df %>%
> + mutate(year = year(ym(yearmon))) %>%
> + mutate(month = month(ym(yearmon))) %>%
> + select(-year) %>%
> + relocate(month, .after = yearmon) %>%
> + pivot_longer( cols = X1:X5) %>%
> + mutate(mes_avg = mean(value), .by = month) %>%
> + select(month, mes_avg) %>%
> + distinct() %>%
> + as.data.frame
> > resout
>month mes_avg
> 1 1 0.4305554
> 2 2 0.4485030
> 3
Re: [R-es] Función aggregate en dataframe
Listo, gracias.
On Wed, 29 Mar 2023 at 15:19, Carlos Ortega
wrote:
> Ah... veo que tienes algunos valores nulos...
> Entonces para calcular la media, habría que incluir este otro cambio:
>
> *+ mutate(mes_avg = mean(value, na.rm = TRUE), .by = c(month, vars)) %>%*
>
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
>
>
> El mié, 29 mar 2023 a las 22:17, Carlos Ortega ()
> escribió:
>
>> Ah...
>> Sí, de esta forma...
>>
>> > resout <- df %>%
>> + mutate(year = year(ym(yearmon))) %>%
>> + mutate(month = month(ym(yearmon))) %>%
>> + select(-year) %>%
>> + relocate(month, .after = yearmon) %>%
>> +
>>
>> * pivot_longer( cols = X1:X5, names_to = "vars" ) %>%+ mutate(mes_avg
>> = mean(value), .by = c(month, vars)) %>%+ select(month, vars, mes_avg)
>> %>%*
>> + distinct() %>%
>> + as.data.frame
>> > resout
>>month vars mes_avg
>> 1 1 X1 0.5063388
>> 2 1 X2 0.6054863
>> 3 1 X3 0.4747568
>> 4 1 X4 0.6525521
>> 5 1 X5 0.3378098
>> 6 2 X1 0.6480751
>> 7 2 X2 0.3866987
>> 8 2 X3 0.5628610
>> 9 2 X4 0.2965187
>> 10 2 X5 0.5039561
>> 11 3 X1 0.3565034
>> 12 3 X2 0.5595157
>> 13 3 X3 0.4526992
>> 14 3 X4 0.5256429
>> 15 3 X5 0.5396339
>> 16 4 X1 0.3492785
>> 17 4 X2 0.4719472
>> 18 4 X3 0.6069615
>> 19 4 X4 0.5099684
>> 20 4 X5 0.5375129
>> 21 5 X1 0.6083371
>> 22 5 X2 0.6986131
>> 23 5 X3 0.3419662
>> 24 5 X4 0.4950851
>> 25 5 X5 0.5467911
>> 26 6 X1 0.2031233
>> 27 6 X2 0.4891435
>> 28 6 X3 0.3186853
>> 29 6 X4 0.7101540
>> 30 6 X5 0.4964806
>> 31 7 X1 0.4853932
>> 32 7 X2 0.5883874
>> 33 7 X3 0.8781151
>> 34 7 X4 0.4065725
>> 35 7 X5 0.3009754
>> 36 8 X1 0.4974401
>> 37 8 X2 0.6118529
>> 38 8 X3 0.6042984
>> 39 8 X4 0.3386884
>> 40 8 X5 0.6710002
>> 41 9 X1 0.6392356
>> 42 9 X2 0.4150898
>> 43 9 X3 0.5861839
>> 44 9 X4 0.4325483
>> 45 9 X5 0.6310271
>> 4610 X1 0.4523220
>> 4710 X2 0.5130199
>> 4810 X3 0.3362966
>> 4910 X4 0.5372736
>> 5010 X5 0.5077318
>> 5111 X1 0.4055051
>> 5211 X2 0.4510812
>> 5311 X3 0.2245734
>> 5411 X4 0.7682052
>> 5511 X5 0.3541822
>> 5612 X1 0.6346173
>> 5712 X2 0.5956540
>> 5812 X3 0.3881634
>> 5912 X4 0.6156253
>> 6012 X5 0.6732854
>> >
>>
>> #-
>>
>> Gracias,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>>
>> El mié, 29 mar 2023 a las 22:12, David Camilo Gomez Medina (<
>> dcgome...@unal.edu.co>) escribió:
>>
>>> Muchísimas gracias Carlos, aunque yo quiero conservar las columnas. Por
>>> ejemplo, tú creaste información del año 2019 a 2022, para la columna X1
>>> quiero calcular el promedio de enero para esos años y así con las demás
>>> columnas. ¿Cómo podría cambiar tu código?
>>>
>>> On Wed, 29 Mar 2023 at 15:05, Carlos Ortega
>>> wrote:
>>>
Ah, gracias..
Me he creado uno de forma sintética...
Esta es una forma...
#-
> library(dplyr)
> library(tidyr)
> library(lubridate)
>
>
> crear_data_frame <- function(anios_inicio, anios_fin) {
+ anios_meses <- expand.grid(Year = anios_inicio:anios_fin, Month =
1:12)
+ anios_meses$yearmon <- paste0(anios_meses$Year, "-",
sprintf("%02d", anios_meses$Month))
+ vars <- replicate(5, runif(nrow(anios_meses)))
+ data.frame(anios_meses, vars, stringsAsFactors = FALSE) %>%
+ select(-Year, -Month) %>%
+ arrange(yearmon)
+ }
>
> df <- crear_data_frame(2019, 2022)
>
> head(df)
yearmonX1X2 X3X4 X5
1 2019-01 0.2783405 0.1556831 0.007564986 0.9981701 0.35200632
2 2019-02 0.3906244 0.1525354 0.794696565 0.6935012 0.15611665
3 2019-03 0.3607439 0.2350400 0.208026463 0.1175302 0.84753470
4 2019-04 0.7787032 0.371 0.697207166 0.3701457 0.04013776
5 2019-05 0.4973347 0.6898472 0.603442922 0.5696876 0.63328772
6 2019-06 0.5392983 0.9604180 0.45617 0.7767546 0.62486765
>
> resout <- df %>%
+ mutate(year = year(ym(yearmon))) %>%
+ mutate(month = month(ym(yearmon))) %>%
+ select(-year) %>%
+ relocate(month, .after = yearmon) %>%
+ pivot_longer( cols = X1:X5) %>%
+ mutate(mes_avg = mean(value), .by = month) %>%
+ select(month, mes_avg) %>%
+ distinct() %>%
+ as.data.frame
> resout
month mes_avg
1 1 0.4305554
2 2 0.4485030
3 3 0.4451672
4 4 0.4101606
5 5 0.4715812
6 6 0.5428447
7 7 0.5350282
8 8 0.4792279
9 9 0.5052422
1010 0.4272948
1111 0.5197938
1212 0.3883511
#
Re: [R-es] Función aggregate en dataframe
Ah... veo que tienes algunos valores nulos...
Entonces para calcular la media, habría que incluir este otro cambio:
*+ mutate(mes_avg = mean(value, na.rm = TRUE), .by = c(month, vars)) %>%*
Saludos,
Carlos Ortega
www.qualityexcellence.es
El mié, 29 mar 2023 a las 22:17, Carlos Ortega ()
escribió:
> Ah...
> Sí, de esta forma...
>
> > resout <- df %>%
> + mutate(year = year(ym(yearmon))) %>%
> + mutate(month = month(ym(yearmon))) %>%
> + select(-year) %>%
> + relocate(month, .after = yearmon) %>%
> +
>
> * pivot_longer( cols = X1:X5, names_to = "vars" ) %>%+ mutate(mes_avg =
> mean(value), .by = c(month, vars)) %>%+ select(month, vars, mes_avg) %>%*
> + distinct() %>%
> + as.data.frame
> > resout
>month vars mes_avg
> 1 1 X1 0.5063388
> 2 1 X2 0.6054863
> 3 1 X3 0.4747568
> 4 1 X4 0.6525521
> 5 1 X5 0.3378098
> 6 2 X1 0.6480751
> 7 2 X2 0.3866987
> 8 2 X3 0.5628610
> 9 2 X4 0.2965187
> 10 2 X5 0.5039561
> 11 3 X1 0.3565034
> 12 3 X2 0.5595157
> 13 3 X3 0.4526992
> 14 3 X4 0.5256429
> 15 3 X5 0.5396339
> 16 4 X1 0.3492785
> 17 4 X2 0.4719472
> 18 4 X3 0.6069615
> 19 4 X4 0.5099684
> 20 4 X5 0.5375129
> 21 5 X1 0.6083371
> 22 5 X2 0.6986131
> 23 5 X3 0.3419662
> 24 5 X4 0.4950851
> 25 5 X5 0.5467911
> 26 6 X1 0.2031233
> 27 6 X2 0.4891435
> 28 6 X3 0.3186853
> 29 6 X4 0.7101540
> 30 6 X5 0.4964806
> 31 7 X1 0.4853932
> 32 7 X2 0.5883874
> 33 7 X3 0.8781151
> 34 7 X4 0.4065725
> 35 7 X5 0.3009754
> 36 8 X1 0.4974401
> 37 8 X2 0.6118529
> 38 8 X3 0.6042984
> 39 8 X4 0.3386884
> 40 8 X5 0.6710002
> 41 9 X1 0.6392356
> 42 9 X2 0.4150898
> 43 9 X3 0.5861839
> 44 9 X4 0.4325483
> 45 9 X5 0.6310271
> 4610 X1 0.4523220
> 4710 X2 0.5130199
> 4810 X3 0.3362966
> 4910 X4 0.5372736
> 5010 X5 0.5077318
> 5111 X1 0.4055051
> 5211 X2 0.4510812
> 5311 X3 0.2245734
> 5411 X4 0.7682052
> 5511 X5 0.3541822
> 5612 X1 0.6346173
> 5712 X2 0.5956540
> 5812 X3 0.3881634
> 5912 X4 0.6156253
> 6012 X5 0.6732854
> >
>
> #-
>
> Gracias,
> Carlos Ortega
> www.qualityexcellence.es
>
>
> El mié, 29 mar 2023 a las 22:12, David Camilo Gomez Medina (<
> dcgome...@unal.edu.co>) escribió:
>
>> Muchísimas gracias Carlos, aunque yo quiero conservar las columnas. Por
>> ejemplo, tú creaste información del año 2019 a 2022, para la columna X1
>> quiero calcular el promedio de enero para esos años y así con las demás
>> columnas. ¿Cómo podría cambiar tu código?
>>
>> On Wed, 29 Mar 2023 at 15:05, Carlos Ortega
>> wrote:
>>
>>> Ah, gracias..
>>>
>>> Me he creado uno de forma sintética...
>>> Esta es una forma...
>>>
>>> #-
>>> > library(dplyr)
>>> > library(tidyr)
>>> > library(lubridate)
>>> >
>>> >
>>> > crear_data_frame <- function(anios_inicio, anios_fin) {
>>> + anios_meses <- expand.grid(Year = anios_inicio:anios_fin, Month =
>>> 1:12)
>>> + anios_meses$yearmon <- paste0(anios_meses$Year, "-", sprintf("%02d",
>>> anios_meses$Month))
>>> + vars <- replicate(5, runif(nrow(anios_meses)))
>>> + data.frame(anios_meses, vars, stringsAsFactors = FALSE) %>%
>>> + select(-Year, -Month) %>%
>>> + arrange(yearmon)
>>> + }
>>> >
>>> > df <- crear_data_frame(2019, 2022)
>>> >
>>> > head(df)
>>> yearmonX1X2 X3X4 X5
>>> 1 2019-01 0.2783405 0.1556831 0.007564986 0.9981701 0.35200632
>>> 2 2019-02 0.3906244 0.1525354 0.794696565 0.6935012 0.15611665
>>> 3 2019-03 0.3607439 0.2350400 0.208026463 0.1175302 0.84753470
>>> 4 2019-04 0.7787032 0.371 0.697207166 0.3701457 0.04013776
>>> 5 2019-05 0.4973347 0.6898472 0.603442922 0.5696876 0.63328772
>>> 6 2019-06 0.5392983 0.9604180 0.45617 0.7767546 0.62486765
>>> >
>>> > resout <- df %>%
>>> + mutate(year = year(ym(yearmon))) %>%
>>> + mutate(month = month(ym(yearmon))) %>%
>>> + select(-year) %>%
>>> + relocate(month, .after = yearmon) %>%
>>> + pivot_longer( cols = X1:X5) %>%
>>> + mutate(mes_avg = mean(value), .by = month) %>%
>>> + select(month, mes_avg) %>%
>>> + distinct() %>%
>>> + as.data.frame
>>> > resout
>>>month mes_avg
>>> 1 1 0.4305554
>>> 2 2 0.4485030
>>> 3 3 0.4451672
>>> 4 4 0.4101606
>>> 5 5 0.4715812
>>> 6 6 0.5428447
>>> 7 7 0.5350282
>>> 8 8 0.4792279
>>> 9 9 0.5052422
>>> 1010 0.4272948
>>> 1111 0.5197938
>>> 1212 0.3883511
>>>
>>> #
>>>
>>> El mié, 29 mar 2023 a las 21:54, David Camilo Gomez Medina (<
>>> dcgome...@unal.edu.co>) escribió:
>>>
Claro Carlos, gracias, exporté el dataframe a Excel.
On Wed, 29 Mar 2023 at 14:44, Carlos Ortega
wrote:
Re: [R-es] Función aggregate en dataframe
Muchas gracias Carlos, muy amable.
On Wed, 29 Mar 2023 at 15:18, Carlos Ortega
wrote:
> Ah...
> Sí, de esta forma...
>
> > resout <- df %>%
> + mutate(year = year(ym(yearmon))) %>%
> + mutate(month = month(ym(yearmon))) %>%
> + select(-year) %>%
> + relocate(month, .after = yearmon) %>%
> +
>
> * pivot_longer( cols = X1:X5, names_to = "vars" ) %>%+ mutate(mes_avg =
> mean(value), .by = c(month, vars)) %>%+ select(month, vars, mes_avg) %>%*
> + distinct() %>%
> + as.data.frame
> > resout
>month vars mes_avg
> 1 1 X1 0.5063388
> 2 1 X2 0.6054863
> 3 1 X3 0.4747568
> 4 1 X4 0.6525521
> 5 1 X5 0.3378098
> 6 2 X1 0.6480751
> 7 2 X2 0.3866987
> 8 2 X3 0.5628610
> 9 2 X4 0.2965187
> 10 2 X5 0.5039561
> 11 3 X1 0.3565034
> 12 3 X2 0.5595157
> 13 3 X3 0.4526992
> 14 3 X4 0.5256429
> 15 3 X5 0.5396339
> 16 4 X1 0.3492785
> 17 4 X2 0.4719472
> 18 4 X3 0.6069615
> 19 4 X4 0.5099684
> 20 4 X5 0.5375129
> 21 5 X1 0.6083371
> 22 5 X2 0.6986131
> 23 5 X3 0.3419662
> 24 5 X4 0.4950851
> 25 5 X5 0.5467911
> 26 6 X1 0.2031233
> 27 6 X2 0.4891435
> 28 6 X3 0.3186853
> 29 6 X4 0.7101540
> 30 6 X5 0.4964806
> 31 7 X1 0.4853932
> 32 7 X2 0.5883874
> 33 7 X3 0.8781151
> 34 7 X4 0.4065725
> 35 7 X5 0.3009754
> 36 8 X1 0.4974401
> 37 8 X2 0.6118529
> 38 8 X3 0.6042984
> 39 8 X4 0.3386884
> 40 8 X5 0.6710002
> 41 9 X1 0.6392356
> 42 9 X2 0.4150898
> 43 9 X3 0.5861839
> 44 9 X4 0.4325483
> 45 9 X5 0.6310271
> 4610 X1 0.4523220
> 4710 X2 0.5130199
> 4810 X3 0.3362966
> 4910 X4 0.5372736
> 5010 X5 0.5077318
> 5111 X1 0.4055051
> 5211 X2 0.4510812
> 5311 X3 0.2245734
> 5411 X4 0.7682052
> 5511 X5 0.3541822
> 5612 X1 0.6346173
> 5712 X2 0.5956540
> 5812 X3 0.3881634
> 5912 X4 0.6156253
> 6012 X5 0.6732854
> >
>
> #-
>
> Gracias,
> Carlos Ortega
> www.qualityexcellence.es
>
>
> El mié, 29 mar 2023 a las 22:12, David Camilo Gomez Medina (<
> dcgome...@unal.edu.co>) escribió:
>
>> Muchísimas gracias Carlos, aunque yo quiero conservar las columnas. Por
>> ejemplo, tú creaste información del año 2019 a 2022, para la columna X1
>> quiero calcular el promedio de enero para esos años y así con las demás
>> columnas. ¿Cómo podría cambiar tu código?
>>
>> On Wed, 29 Mar 2023 at 15:05, Carlos Ortega
>> wrote:
>>
>>> Ah, gracias..
>>>
>>> Me he creado uno de forma sintética...
>>> Esta es una forma...
>>>
>>> #-
>>> > library(dplyr)
>>> > library(tidyr)
>>> > library(lubridate)
>>> >
>>> >
>>> > crear_data_frame <- function(anios_inicio, anios_fin) {
>>> + anios_meses <- expand.grid(Year = anios_inicio:anios_fin, Month =
>>> 1:12)
>>> + anios_meses$yearmon <- paste0(anios_meses$Year, "-", sprintf("%02d",
>>> anios_meses$Month))
>>> + vars <- replicate(5, runif(nrow(anios_meses)))
>>> + data.frame(anios_meses, vars, stringsAsFactors = FALSE) %>%
>>> + select(-Year, -Month) %>%
>>> + arrange(yearmon)
>>> + }
>>> >
>>> > df <- crear_data_frame(2019, 2022)
>>> >
>>> > head(df)
>>> yearmonX1X2 X3X4 X5
>>> 1 2019-01 0.2783405 0.1556831 0.007564986 0.9981701 0.35200632
>>> 2 2019-02 0.3906244 0.1525354 0.794696565 0.6935012 0.15611665
>>> 3 2019-03 0.3607439 0.2350400 0.208026463 0.1175302 0.84753470
>>> 4 2019-04 0.7787032 0.371 0.697207166 0.3701457 0.04013776
>>> 5 2019-05 0.4973347 0.6898472 0.603442922 0.5696876 0.63328772
>>> 6 2019-06 0.5392983 0.9604180 0.45617 0.7767546 0.62486765
>>> >
>>> > resout <- df %>%
>>> + mutate(year = year(ym(yearmon))) %>%
>>> + mutate(month = month(ym(yearmon))) %>%
>>> + select(-year) %>%
>>> + relocate(month, .after = yearmon) %>%
>>> + pivot_longer( cols = X1:X5) %>%
>>> + mutate(mes_avg = mean(value), .by = month) %>%
>>> + select(month, mes_avg) %>%
>>> + distinct() %>%
>>> + as.data.frame
>>> > resout
>>>month mes_avg
>>> 1 1 0.4305554
>>> 2 2 0.4485030
>>> 3 3 0.4451672
>>> 4 4 0.4101606
>>> 5 5 0.4715812
>>> 6 6 0.5428447
>>> 7 7 0.5350282
>>> 8 8 0.4792279
>>> 9 9 0.5052422
>>> 1010 0.4272948
>>> 1111 0.5197938
>>> 1212 0.3883511
>>>
>>> #
>>>
>>> El mié, 29 mar 2023 a las 21:54, David Camilo Gomez Medina (<
>>> dcgome...@unal.edu.co>) escribió:
>>>
Claro Carlos, gracias, exporté el dataframe a Excel.
On Wed, 29 Mar 2023 at 14:44, Carlos Ortega
wrote:
> Hola,
>
> Puedes pasar una pequeña muestra del conjunto para darte la solución...
>
> Gracias,
> Carlos Ortega
> www.qualityexcellence.es
>
> El mié, 29 mar 2023 a las 21:38,
Re: [R-es] Función aggregate en dataframe
Muchísimas gracias Carlos, aunque yo quiero conservar las columnas. Por
ejemplo, tú creaste información del año 2019 a 2022, para la columna X1
quiero calcular el promedio de enero para esos años y así con las demás
columnas. ¿Cómo podría cambiar tu código?
On Wed, 29 Mar 2023 at 15:05, Carlos Ortega
wrote:
> Ah, gracias..
>
> Me he creado uno de forma sintética...
> Esta es una forma...
>
> #-
> > library(dplyr)
> > library(tidyr)
> > library(lubridate)
> >
> >
> > crear_data_frame <- function(anios_inicio, anios_fin) {
> + anios_meses <- expand.grid(Year = anios_inicio:anios_fin, Month = 1:12)
> + anios_meses$yearmon <- paste0(anios_meses$Year, "-", sprintf("%02d",
> anios_meses$Month))
> + vars <- replicate(5, runif(nrow(anios_meses)))
> + data.frame(anios_meses, vars, stringsAsFactors = FALSE) %>%
> + select(-Year, -Month) %>%
> + arrange(yearmon)
> + }
> >
> > df <- crear_data_frame(2019, 2022)
> >
> > head(df)
> yearmonX1X2 X3X4 X5
> 1 2019-01 0.2783405 0.1556831 0.007564986 0.9981701 0.35200632
> 2 2019-02 0.3906244 0.1525354 0.794696565 0.6935012 0.15611665
> 3 2019-03 0.3607439 0.2350400 0.208026463 0.1175302 0.84753470
> 4 2019-04 0.7787032 0.371 0.697207166 0.3701457 0.04013776
> 5 2019-05 0.4973347 0.6898472 0.603442922 0.5696876 0.63328772
> 6 2019-06 0.5392983 0.9604180 0.45617 0.7767546 0.62486765
> >
> > resout <- df %>%
> + mutate(year = year(ym(yearmon))) %>%
> + mutate(month = month(ym(yearmon))) %>%
> + select(-year) %>%
> + relocate(month, .after = yearmon) %>%
> + pivot_longer( cols = X1:X5) %>%
> + mutate(mes_avg = mean(value), .by = month) %>%
> + select(month, mes_avg) %>%
> + distinct() %>%
> + as.data.frame
> > resout
>month mes_avg
> 1 1 0.4305554
> 2 2 0.4485030
> 3 3 0.4451672
> 4 4 0.4101606
> 5 5 0.4715812
> 6 6 0.5428447
> 7 7 0.5350282
> 8 8 0.4792279
> 9 9 0.5052422
> 1010 0.4272948
> 1111 0.5197938
> 1212 0.3883511
>
> #
>
> El mié, 29 mar 2023 a las 21:54, David Camilo Gomez Medina (<
> dcgome...@unal.edu.co>) escribió:
>
>> Claro Carlos, gracias, exporté el dataframe a Excel.
>>
>>
>>
>> On Wed, 29 Mar 2023 at 14:44, Carlos Ortega
>> wrote:
>>
>>> Hola,
>>>
>>> Puedes pasar una pequeña muestra del conjunto para darte la solución...
>>>
>>> Gracias,
>>> Carlos Ortega
>>> www.qualityexcellence.es
>>>
>>> El mié, 29 mar 2023 a las 21:38, David Camilo Gomez Medina (<
>>> dcgome...@unal.edu.co>) escribió:
>>>
Buen día a todos,
Tengo un dataframe donde está almacenada la información por año y mes,
deseo calcular el promedio de todos los meses, es decir, obtener el
promedio mensual multianual de cada columna. He intentado realizarlo con la
función aggregate, pero no sé cómo seleccionar solamente el mes. Por
ejemplo, coger solo el mes de enero ('01') de cada año y promediarlo.
Quedo muy atento, muchas gracias.
[image: image.png]
*Aviso legal:* El contenido de este mensaje y los archivos adjuntos
son confidenciales y de uso exclusivo de la Universidad Nacional de
Colombia. Se encuentran dirigidos sólo para el uso del destinatario al cual
van enviados. La reproducción, lectura y/o copia se encuentran prohibidas a
cualquier persona diferente a este y puede ser ilegal. Si usted lo ha
recibido por error, infórmenos y elimínelo de su correo. Los Datos
Personales serán tratados conforme a la Ley 1581 de 2012 y a nuestra
Política de Datos Personales que podrá consultar en la página web
www.unal.edu.co. Las opiniones, informaciones, conclusiones y
cualquier otro tipo de dato contenido en este correo electrónico, no
relacionados con la actividad de la Universidad Nacional de Colombia, se
entenderá como personales y de ninguna manera son avaladas por la
Universidad.
___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>
>>>
>>> --
>>> Saludos,
>>> Carlos Ortega
>>> www.qualityexcellence.es
>>>
>>
>> *Aviso legal:* El contenido de este mensaje y los archivos adjuntos son
>> confidenciales y de uso exclusivo de la Universidad Nacional de Colombia.
>> Se encuentran dirigidos sólo para el uso del destinatario al cual van
>> enviados. La reproducción, lectura y/o copia se encuentran prohibidas a
>> cualquier persona diferente a este y puede ser ilegal. Si usted lo ha
>> recibido por error, infórmenos y elimínelo de su correo. Los Datos
>> Personales serán tratados conforme a la Ley 1581 de 2012 y a nuestra
>> Política de Datos Personales que podrá consultar en la página web
>> www.unal.edu.co. Las opiniones, informaciones, conclusiones y cualquier
>> otro tipo de dato contenido en este correo electrónico, no relacionados con
>> la
Re: [R-es] Función aggregate en dataframe
Claro Carlos, gracias, exporté el dataframe a Excel.
On Wed, 29 Mar 2023 at 14:44, Carlos Ortega
wrote:
> Hola,
>
> Puedes pasar una pequeña muestra del conjunto para darte la solución...
>
> Gracias,
> Carlos Ortega
> www.qualityexcellence.es
>
> El mié, 29 mar 2023 a las 21:38, David Camilo Gomez Medina (<
> dcgome...@unal.edu.co>) escribió:
>
>> Buen día a todos,
>>
>> Tengo un dataframe donde está almacenada la información por año y mes,
>> deseo calcular el promedio de todos los meses, es decir, obtener el
>> promedio mensual multianual de cada columna. He intentado realizarlo con la
>> función aggregate, pero no sé cómo seleccionar solamente el mes. Por
>> ejemplo, coger solo el mes de enero ('01') de cada año y promediarlo.
>>
>> Quedo muy atento, muchas gracias.
>>
>> [image: image.png]
>>
>> *Aviso legal:* El contenido de este mensaje y los archivos adjuntos son
>> confidenciales y de uso exclusivo de la Universidad Nacional de Colombia.
>> Se encuentran dirigidos sólo para el uso del destinatario al cual van
>> enviados. La reproducción, lectura y/o copia se encuentran prohibidas a
>> cualquier persona diferente a este y puede ser ilegal. Si usted lo ha
>> recibido por error, infórmenos y elimínelo de su correo. Los Datos
>> Personales serán tratados conforme a la Ley 1581 de 2012 y a nuestra
>> Política de Datos Personales que podrá consultar en la página web
>> www.unal.edu.co. Las opiniones, informaciones, conclusiones y cualquier
>> otro tipo de dato contenido en este correo electrónico, no relacionados con
>> la actividad de la Universidad Nacional de Colombia, se entenderá como
>> personales y de ninguna manera son avaladas por la Universidad.
>> ___
>> R-help-es mailing list
>> R-help-es@r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
--
*Aviso legal:* El contenido de este mensaje y los archivos adjuntos son
confidenciales y de uso exclusivo de la Universidad Nacional de Colombia.
Se encuentran dirigidos sólo para el uso del destinatario al cual van
enviados. La reproducción, lectura y/o copia se encuentran prohibidas a
cualquier persona diferente a este y puede ser ilegal. Si usted lo ha
recibido por error, infórmenos y elimínelo de su correo. Los Datos
Personales serán tratados conforme a la Ley 1581 de 2012 y a nuestra
Política de Datos Personales que podrá consultar en la página web
www.unal.edu.co
