2

Tenho meu banco de dados proveniente do pacote hflights do R, que mostra uma quantidade de voos nos EUA. Preciso calcular a média da distância percorrida (Distance) para cada dia da semana (variável DayofWeek) entre os voos com atraso maior que 60 e entre os com atraso menor que 60 (variavel DepDelay). É necessário usar um único tapply.

Tentei algo parecido com isso, mas está errado:

y=(c(which(sapply(dados,is.numeric))))y 
apply(as.matrix(y),1,function(x){tapply(dados[,x],list(dados$DayofWeek,dados$DepDelay>60),mean)})
1
  • Felipe se alguma resposta atendeu a sua pergunta, você pode aceitá-la clicando no botão verde de ok do lado esquerdo da resposta. 1/12/2014 às 23:26

3 Respostas 3

3

Ao meu ver a forma mais elegante de fazer isso é usando os pacotes dplyre tidyr. O código usando essas funções fica muito mais simples de ler. Vale a pena aprender!

library(dplyr)
library(tidyr)

hflights %>% 
  filter(!is.na(DepDelay)) %>% # filtra os voos sem atraso
  mutate(DepDelay2 = ifelse(DepDelay>60, ">60", "<=60")) %>% # atraso maior que 60
  group_by(DayOfWeek, DepDelay2) %>% # indica o calculo em grupo
  summarise(media = mean(Distance)) %>% # usa a media para agregar
  spread(DepDelay2, media) # coloca em colunas separadas

# Source: local data frame [7 x 3]
# 
#   DayOfWeek      <60      >60
# 1         1 783.1453 796.0078
# 2         2 778.1595 796.8847
# 3         3 779.2828 816.0626
# 4         4 782.5144 816.7166
# 5         5 785.8960 790.0505
# 6         6 823.0040 821.7922
# 7         7 797.2524 803.0468
1

Não sei como fazer isso para os dois grupos (DepDelay > 60 e DepDelay < 60) utilizando um único tapply, mas eu faria assim para cada um dos grupos:

tapply(X = hflights[which(hflights$DepDelay > 60),"Distance"], INDEX = hflights[which(hflights$DepDelay > 60),"DayOfWeek"], FUN = mean)
tapply(X = hflights[which(hflights$DepDelay < 60),"Distance"], INDEX = hflights[which(hflights$DepDelay < 60),"DayOfWeek"], FUN = mean)

Só note que há também 232 casos com DepDelay == 60, caso você queira considerar todos os vôos (não-cancelados) da base de dados.

EDITADO
Aqui está uma forma (não muito elegante) de se fazer isso com um único tapply:

tapply(X = hflights$Distance, INDEX = list(hflights$DayOfWeek, ifelse(test = hflights$DepDelay > 60, yes = "> 60", no = "<= 60")), FUN = mean)

O único problema é que dessa forma você precisa incluir os 232 casos com DepDelay == 60 em algum dos dois grupos (no meu código eu coloquei no segundo grupo, DepDelay < 60)

1

Outras duas formas de fazer:

Usando tapply, como o Nishimura, mas com o cut. O legal do cut é que ele estende facilmente para mais do que duas condições, basta aumentar os breaks e os labels:

tapply(X = dados$Distance, 
       INDEX = list(dados$DayOfWeek,
                    cut(dados$DepDelay, 
                        breaks =c(-Inf, 60, Inf), 
                        labels = c("menor60", "maior60"))),
       FUN = mean)

Usando o dplyr sem cut:

dados %>% 
  group_by(DayOfWeek) %>% 
  summarise(menor60 = mean(Distance[DepDelay <= 60], na.rm = TRUE),
            maior60 = mean(Distance[DepDelay > 60], na.rm = TRUE))

A solução do dplyr com cut seria equivalente à resposta do Daniel trocando o ifelse.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .