是否有更好的方法來找到滿足R中數據幀另一列中每個值的條件的一列的百分比？

Question

我有一個數據幀，其grade.equivalent和scaled.score ，均為數值。 我想為每個年級或以上的所有學生找到等於或高於給定scaled.score的學生grade.equivalent 。

例如，給定以下數據框：

df.ex <- data.frame(grade.equivalent=c(2.4,2.7,3.1,2.5,1.4,2.2,2.3,1.7,1.3,2.2),
scaled.score=c(187,277,308,268,236,305,298,246,241,138)
)

我想知道每個grade.equivalent等於或高於該grade.equivalent的學生中，得分高於301的學生中有grade.equivalent 。

為此，我執行了以下操作：

find.percent.basic <- function(cut.ge, data, cut.scaled.score){
df.sub <- subset(data, grade.equivalent >= cut.ge & !is.na(scaled.score))
denom <- nrow(df.sub)
df.sub <- subset(df.sub, scaled.score >= cut.scaled.score)
numer <- nrow(df.sub)
return(numer/denom)
}

grade.equivs <- unique(df.ex$grade.equivalent)
grade.equivs <- grade.equivs[order(grade.equivs)]

just.percs <- sapply(grade.equivs, find.percent.basic, data=df.ex, cut.scaled.score=301)

new.df <- data.frame(grade.equivalent=grade.equivs, perc=just.percs)

我計划將其包裝在一個函數中，並與plyr一起使用。

我的問題是，有更好的方法嗎？ 似乎這可能是r的基函數或我不知道的通用包。

感謝您的任何想法。

編輯以澄清問題上面的代碼產生以下結果，這是我想要的結果：

grade.equivalent      perc
1              1.3 0.2000000
2              1.4 0.2222222
3              1.7 0.2500000
4              2.2 0.2857143
5              2.3 0.2000000
6              2.4 0.2500000
7              2.5 0.3333333
8              2.7 0.5000000
9              3.1 1.0000000

根據@DWin的觀察結果，第二次編輯以進行澄清

Answer 1

布爾值的平均值是正確的百分比，因此應執行以下操作：

mean(data$scaled.score >= cut.ss, na.rm=TRUE)

如您的評論所述，是的，這正是您需要做的。 我選擇對scaled.score訪問稍有不同，但沒有實際區別。

gs <- sort(unique(df.ex$grade.equivalent))
ps <- sapply(gs, function(cut.ge) {
  mean(df.ex$scaled.score[df.ex$grade.equivalent>=cut.ge] >= 301, na.rm=TRUE)
})
data.frame(gs, ps)

#  gs        ps
# 1.3 0.2000000
# 1.4 0.2222222
# 1.7 0.2500000
# 2.2 0.2857143
# 2.3 0.2000000
# 2.4 0.2500000
# 2.5 0.3333333
# 2.7 0.5000000
# 3.1 1.0000000

我認為這不適用於plyr的split-apply-combine方法，因為您不能將每個等值的數據拆分為離散的子集，相反，某些行會出現在多個子集。

另一種選擇是將分數（或整個數據框，如果需要）自己分割為所需的部分，然后應用所需的任何功能； 這將是與plyr相同的方法，盡管更多是手工操作。

scores <- lapply(gs, function(x) df.ex$scaled.score[df.ex$grade.equivalent>=x])
sapply(scores, function(x) mean(x>301, na.rm=TRUE))

最后的選擇是將它們放到開始，然后計算一個累積平均值，並刪除重復的grade.equivalent值，像這樣。

df2 <- df.ex[rev(order(df.ex$grade.equivalent)),]
df2$perc <- cumsum(df2$scaled.score>301)/1:nrow(df2)
df2 <- df2[nrow(df2):1,c("grade.equivalent", "perc")]
df2[!duplicated(df2$grade.equivalent),]

Answer 2

 with(df.ex, tapply(scaled.score, INDEX=grade.equivalent, 
                   FUN=function(s) 100*sum(s>301)/length(s) ) )
#1.3 1.4 1.7 2.2 2.3 2.4 2.5 2.7 3.1 
#  0   0   0  50   0   0   0   0 100