如何有效地计算总和和相对计数频率？

Question

我正在寻找一种单行 dplyr 解决方案，用于在分数上过滤 data.frame，然后计算相对计数频率。

经典的 R 解决方案如下：

daf <- data.frame(score=c(1:40),count=sample(1:1000,40,replace=T))
select <- daf$score >= 30
res <- c(sum(daf$count[select]),sum(daf$count[select])/sum(daf$count))

我的第一个 dplyr 解决方案重复了结果：

daf %>% 
  mutate(total=sum(count)) %>% 
  filter(score >= 30) %>% 
  summarise(
    sum_count=sum(count),
    sum_rel=sum(count)/total
  )

dplyr 代码有什么更好的想法吗？

Answer 1

假设total列总是相同的值，使用max(total)而不是total的summarise ：

daf %>% 
  mutate(total = sum(count)) %>%
  filter(score >= 30) %>%
  summarise(sum_count = sum(count),
            sum_rel = sum(count) / max(total))

  sum_count   sum_rel
1      5535 0.2621608

编辑：根据@GregorThomas 的评论，对于大型数据集，使用first()而不是max()会更有效。

daf %>% 
  mutate(total = sum(count)) %>%
  filter(score >= 30) %>%
  summarise(sum_count = sum(count),
            sum_rel = sum(count) / first(total))

Answer 2

library(dplyr)
daf %>%
  summarize(
    sum_count = sum(count[score >= 30]), 
    sum_rel = sum_count / sum(count)
  )
#   sum_count  sum_rel
# 1      5661 0.301053