1

Tengo un data.frame con dos columnas; la primera es la columna nombres con varios repetidos y la segunda es un numero obtenido que se le da a esa persona. El data.frame sería el siguiente:

introducir la descripción de la imagen aquí

Lo que quiero obtener sería un nuevo data.frame con dos columnas; la primera columna sería los nombres pero sin que aparezcan repetidos y la segunda columna serían los valores medios de los valores anteriormente dados a esos nombres. Este ejemplo sería un resumen ya que el data.frame que quiero trabajar es mas numeroso y no puedo hacerlo de una manera rudimentaria. Muchas gracias por la ayuda.

1
  • Seria valioso que incluyeras los datos en vez de imagenes para facilitar que alguien que te ayude no tenga que digitar. Puedes usar la funcion dput() sobre tus datos o parte de ellos para facilitar la reproducibilidad del código. Dale una mirada a este link sobre el tema
    – Jose
    Commented el 4 dic. 2021 a las 14:29

2 respuestas 2

2

Es una operación bastante común: hacer un sumario para datos agrupados.

Con R base, sin cargar ninguna librería, se puede hacer con la función aggregate.

df <- data.frame(
        nombres = sample(c("jhon", "maria", "carlos", "ruben"), 10, replace = TRUE), 
        puntos  = rnorm(10, 10, 10))

aggregate(puntos~nombres, data = df, FUN = mean)

La interface de aggregate usa fórmulas para definir qué va a hacer cada columna. El símbolo ~ define los dos lados de la fórmula y de manera genérica lo puedes leer como "condicional a". En este caso quieres los valores medios de puntos condicionales a nombres.

Con la librería dplyr (o tidyverse, que la incluye) se hace lo mismo sin fórmulas, pero en dos pasos:

library(tidyverse)
df %>% 
  group_by(nombres) %>% 
  summarise(media = mean(puntos))

Jose te respondió con una solución muy eficiente con data.table.

2

Existen varias opciones. Una de ellas es usar el paquete data.table. Este paquete es bastante útil, particularmente para trabjar con bases de datos grandes.

Creando una tabla como ejemplo

nombres <- c("jhon", "maria", "carlos", "ruben")

nombres <- rep(nombres, c(2, 3, 3, 5))

puntos <- as.integer(seq(from = 20, to = 1, length.out = 13))

library(data.table)

dt <- data.table(nombres, puntos)

head(dt)

##  nombres puntos
##  1:    jhon     20
##  2:    jhon     18
##  3:   maria     16
##  4:   maria     15
##  5:   maria     13
##  6:  carlos     12


dt[,.(promed = mean(puntos)), by = nombres]

##  nombres   promed
## 1:    jhon 19.00000
## 2:   maria 14.66667
## 3:  carlos 10.00000
## 4:   ruben  3.80000

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.