如何在R中映射分類變量的每種組合？

Question

使用R，是否有辦法獲取數據集並繪制出每個分類變量的每種可能組合？

例如，假設我有一個來自在線商店的10,000行客戶數據。 我想找出哪些購物者花錢最多。 我有來自客戶的以下數據：

電子郵件（yahoo，gmail，hotmail，aol）瀏覽器（Mozilla，IE，Chrome，Opera）國家（美國，加拿大，中國，澳大利亞，埃及，韓國，巴西）每個用戶在我的商店花了多少錢。

我想找出以上三個類別變量的所有可能組合，並查看每個客戶的平均支出是多少。

在R中執行此操作的好方法是什么？ （注意：我的R經驗現在是平均水平）

謝謝。

Answer 1

您可以使用aggregate ：

set.seed(144)
dat = data.frame(email=sample(c("yahoo", "gmail"), 10000, replace=T),
                 browser=sample(c("mozilla", "ie"), 10000, replace=T),
                 country=sample(c("usa", "canada"), 10000, replace=T),
                 money=runif(10000))
aggregate(dat$money, by=list(browser=dat$browser, email=dat$email,
                             country=dat$country), mean)
#   browser email country         x
# 1      ie gmail  canada 0.4905588
# 2 mozilla gmail  canada 0.5064342
# 3      ie yahoo  canada 0.4894398
# 4 mozilla yahoo  canada 0.4959031
# 5      ie gmail     usa 0.5069363
# 6 mozilla gmail     usa 0.5088138
# 7      ie yahoo     usa 0.4957478
# 8 mozilla yahoo     usa 0.4993698

要獲得多個均值和計數之類的列，可以執行以下操作：

res = aggregate(dat$money, by=list(browser=dat$browser, email=dat$email,
                                   country=dat$country),
                FUN=function(x) c(mean=mean(x), count=length(x)))
res
#   browser email country       x.mean      x.count
# 1      ie gmail  canada    0.4905588 1261.0000000
# 2 mozilla gmail  canada    0.5064342 1227.0000000
# 3      ie yahoo  canada    0.4894398 1267.0000000
# 4 mozilla yahoo  canada    0.4959031 1253.0000000
# 5      ie gmail     usa    0.5069363 1240.0000000
# 6 mozilla gmail     usa    0.5088138 1236.0000000
# 7      ie yahoo     usa    0.4957478 1213.0000000
# 8 mozilla yahoo     usa    0.4993698 1303.0000000

Answer 2

這就是了：

expand.grid(gender = c("male", "female"), tShirtSize = c("xs", "s","m","l","xl"))

將返回數據幀中的所有組合。 對於摘要統計信息，請嘗試aggregate ，例如：

country = sample(c("america", "canadian"), 30, replace = TRUE)
gender = sample(c("male", "female"), 30, replace = TRUE)
x = abs(rnorm(30) * 1000)
aggregate(data.frame(x), by = list(country, gender), FUN = mean)

如果數據框中存在帶有字符串的列，則會遇到錯誤，因此我會將帶有數字值的列子集化。

Answer 3

這是一種利用dplyr的方法

require(magrittr)
require(dplyr)    

set.seed(123)
dat = data.frame(email=sample(c("yahoo", "gmail"), 10000, replace=T),
                 browser=sample(c("mozilla", "ie"), 10000, replace=T),
                 country=sample(c("usa", "canada"), 10000, replace=T),
                 money=runif(10000))  
dat %>%
  group_by(email, browser, country) %>%
  summarize(mean = mean(money))
# email browser country      mean
# 1 gmail      ie  canada 0.5172424
# 2 gmail      ie     usa 0.4921908
# 3 gmail mozilla  canada 0.4934892
# 4 gmail mozilla     usa 0.4993923
# 5 yahoo      ie  canada 0.5013214
# 6 yahoo      ie     usa 0.5098280
# 7 yahoo mozilla  canada 0.4985357
# 8 yahoo mozilla     usa 0.4919743

編輯：如果要將列表傳遞到group_by() ，則需要使用非標准的評估對象regroup() 。 例如，

mylist <- list("email", "browser", "country")
dat %>%
  regroup(mylist) %>%
  summarize(mean = mean(money))

另請參見dplyr：如何在函數內使用group_by？

Answer 4

創建一些虛擬數據：

dataset <- data.frame(
    spend=10*runif(100),
    email=sample(c("yahoo","gmail","hotmail","aol"),100,replace=TRUE),
    browser=sample(c("Mozilla","IE","Chrome","Opera"),100,replace=TRUE),
    country=sample(c("USA","Canada","China","Australia",
      "Egypt","S.Korea","Brazil"),100,replace=TRUE))

平均每個組合的spend ：

with(dataset,by(spend,list(email,browser,country),mean))

注意沒有條目的組合的NA 。

或者將其轉換為三維array ：

as.table(with(dataset,by(spend,list(email,browser,country),mean)))