您如何根据汇总数据按组计算中位数？

Question

我有以下数据集：

 State County   Age   Population
  AL   Alachua  0-5      1043
  AL   Alachua  5-10     1543
  AL   Alachua  10-15    758
  AL   Alachua  15-20    1243
  AK   Baker    0-5      543
  AK   Baker    5-10     788
  AK   Baker    10-15    1200

我的年龄段实际上是85岁以上，但为方便起见，我仅列举了一个例子。

如何从样本中所有州的县和州每组的人口中位数计算年龄？

为了清楚说明各州和县，我想使用每个人口的数字来计算年龄中位数。

Answer 1

调用您的数据dd 。 我使用data.table进行分组。 首先，我们要确保Age是影响各个级别的正确顺序的一个因素（将age_order扩展为完整数据）。 然后，我们使用matrixStats::weightedMedian计算年龄中位数。 （我只是在Stack Overflow中搜索了“加权中位数[r]”，并得到了这个可爱的问题 ）。 然后，我们将中位数转换回年龄组标签。 我将其保留为长格式，而不是提取摘要数据框。

library(data.table)
setDT(dd)
age_order = c("0-5", "5-10", "10-15", "15-20")
dd[, Age := factor(Age, levels = age_order)]
dd[, age_group := as.integer(Age)]
setkey(dd, State, County, Age)
library("matrixStats")
dd[, median_group := weightedMedian(x = age_group, w = Population, ties = "min"), by = c("State", "County")]
dd[, median_age := levels(Age)[median_group]]
dd
#    State  County   Age Population age_group median_group median_age
# 1:    AK   Baker   0-5        543         1            2       5-10
# 2:    AK   Baker  5-10        788         2            2       5-10
# 3:    AK   Baker 10-15       1200         3            2       5-10
# 4:    AL Alachua   0-5       1043         1            2       5-10
# 5:    AL Alachua  5-10       1543         2            2       5-10
# 6:    AL Alachua 10-15        758         3            2       5-10
# 7:    AL Alachua 15-20       1243         4            2       5-10

---

使用此样本数据：

dd = fread(" State County   Age   Population
  AL   Alachua  0-5      1043
  AL   Alachua  5-10     1543
  AL   Alachua  10-15    758
  AL   Alachua  15-20    1243
  AK   Baker    0-5      543
  AK   Baker    5-10     788
  AK   Baker    10-15    1200")