如何按特定的列值拆分数据帧，然后将函数应用于数据集中的列？

Question

我有一个包含3列描述帐户的数据框：

年龄，使用者和费用

“年龄”列的范围是1到20，我想做的是按年龄计算平均费用，然后按年龄划分“平均用户数”。

因此，例如，年龄均为1的平均用户数是多少，年龄为1的平均帐户成本是多少。

数据框很大，我不希望仅输入df = data [data $ age_month == 1]，然后将均值乘以1到列。

Age  Users   Cost
1     2       5
2     15      7
2     124     10
2     43      100
3     232     21212
4     234     21212 
4     12      10000 
4     10      3
5     11      89
6     4       11
6     8       12
6     10      15

因此，我希望将“年龄= 1”的“均值成本”列除以“年龄= 1”以及所有年龄段的“用户均值”列

提前致谢，

Answer 1

尝试：

CostbyAge <- with(dat, ave(Cost, Age, FUN=mean) )
UsersbyAge <- with(dat, ave(Users, Age, FUN=mean))
CostbyAge/UsersbyAge
# [1]   2.5000000   0.6428571   0.6428571   0.6428571  91.4310345 121.9335938
# [7] 121.9335938 121.9335938   8.0909091   1.7272727   1.7272727   1.7272727

Answer 2

这是使用doBy::summaryBy 。 假设dat是您的样本数据

> library(doBy)
> ( s <- summaryBy(Users+Cost~Age, data = dat) )
#   Age Users.mean   Cost.mean
# 1   1   2.000000     5.00000
# 2   2  60.666667    39.00000
# 3   3 232.000000 21212.00000
# 4   4  85.333333 10405.00000
# 5   5  11.000000    89.00000
# 6   6   7.333333    12.66667
> s$Cost.mean / s$Users.mean
# [1]   2.5000000   0.6428571  91.4310345 121.9335938   8.0909091   1.7272727

Answer 3

这是使用dplyr的一种方法：

library(dplyr)

dat %>%
  group_by(Age) %>%
  summarize(count=length(Age),
            users_mean=round(mean(Users),2),
            cost_mean=round(mean(Cost),2),
            cost_per_user=round(cost_mean/users_mean,2))

  Age count users_mean cost_mean cost_per_user
1   1     1       2.00      5.00          2.50
2   2     3      60.67     39.00          0.64
3   3     1     232.00  21212.00         91.43
4   4     3      85.33  10405.00        121.94
5   5     1      11.00     89.00          8.09
6   6     3       7.33     12.67          1.73

Answer 4

data.table解决方案

library(data.table)
setDT(dat)[, list(User_mean = mean(Users), 
                  Mean_Cost = mean(Cost), 
                  Cost_per_User = mean(Cost)/mean(Users)), by = Age]

---

基本R，使用aggregate

aggdat <- aggregate(cbind(Users, Cost) ~ Age, dat,  mean)
aggdat$Cost_per_User <- aggdat$Cost/aggdat$Users

Answer 5

由于没有人提及，因此您还可以将base R split与lapply结合使用：

> lapply(split(dat,dat$Age),colMeans)

要将结果输出为数据框而不是列表，将需要以下附加步骤：

> do.call(rbind,lapply(split(dat,dat$Age),colMeans))
  Age      Users        Cost
1   1   2.000000     5.00000
2   2  60.666667    39.00000
3   3 232.000000 21212.00000
4   4  85.333333 10405.00000
5   5  11.000000    89.00000
6   6   7.333333    12.66667

split取数据框并创建一个相应的数据lapply列表，然后通过lapply对所有子数据lapply进行操作（此处计算平均值，您可以简单地使用colMeans ）。 然后do.call(rbind,...)获取结果列表，并将其返回到数据框。

获得每位用户成本的最后一步与其他解决方案相同。