[英]Conditional filtering and summarizing in R
我最近從STATA + Excel過渡到R。因此,如果有人可以幫助我編寫高效的代碼,我將不勝感激。 在發布SO之前,我已經盡力研究了答案。
我的數據如下所示:
mydata<-data.frame(sassign$buyer,sassign$purch,sassign$total_)
str(mydata)
'data.frame': 50000 obs. of 3 variables:
$ sassign.buyer : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 2 1 ...
$ sassign.purch : num 10 3 2 1 1 1 1 11 11 1 ...
$ sassign.total_: num 357 138 172 272 149 113 15 238 418 123 ...
head(mydata)
sassign.buyer sassign.purch sassign.total_
1 no 10 357
2 no 3 138
3 no 2 172
4 no 1 272
5 no 1 149
6 yes 1 113
我的目標是找到購買次數大於1的平均購買者數量。
所以,這就是我所做的:
方法1:長方法
library(psych)
check<-as.numeric(mydata$sassign.buyer)-1
myd<-cbind(mydata,check)
abcd<-psych::describe(myd[myd$sassign.purch>1,])
abcd$mean[4]
我得到的輸出是:0.1031536697,這是正確的。
@Sathish:這是支票的樣子:
head(check)
0 0 0 0 0 1
這確實解決了我的目的。
這種方法的優點:很簡單,通常是初學者。 缺點:太多了-我需要一個額外的變量(檢查)。 另外,我不喜歡這種方法-太笨拙了。
補充問題:我意識到默認情況下,盡管設置了選項(數字= 10),但函數顯示的精度更高。 例如,這是我從運行中得到的結果:
psych::describe(myd[myd$sassign.purch>1,])
vars n mean sd median trimmed mad min max range skew
sassign.buyer* 1 34880 1.10 0.30 1 1.00 0.00 1 2 1 2.61
sassign.purch 2 34880 5.14 3.48 4 4.73 2.97 2 12 10 0.65
sassign.total_ 3 34880 227.40 101.12 228 226.13 112.68 30 479 449 0.09
check 4 34880 0.10 0.30 0 0.00 0.00 0 1 1 2.61
kurtosis se
sassign.buyer* 4.81 0.00
sassign.purch -1.05 0.02
sassign.total_ -0.72 0.54
check 4.81 0.00
只是我跑的時候
abcd$mean[4]
我得到0.1031536697
方法2:使用dplyr我嘗試了管道和函數調用,但最終我放棄了。
方法2 | 嘗試1:心理:: describe(dplyr :: filter(mydata,mydata $ sassign.purch> 1)[,dplyr :: mutate(as.numeric(mydata $ sassign.buyer)-1)]))
輸出:
Error in UseMethod("mutate_") :
no applicable method for 'mutate_' applied to an object of class "c('double', 'numeric')"
方法2 | 嘗試2:使用管道:
mydata %>% mutate(newcol = as.numeric(sassign.buyer)-1) %>% dplyr::filter(sassign.purch>1) %>% summarise(meanpurch = mean(newcol))
這確實有效,我的意思是平均購買= 0.1031537。 但是,我仍然不確定嘗試1。
有什么想法為什么不起作用?
數據:
> dt
# sassign.buyer sassign.purch sassign.total_
# 1 no 10 357
# 2 no 3 138
# 3 no 2 172
# 4 no 1 272
# 5 no 1 149
# 6 yes 1 113
購買數量大於1的買家數量
library(dplyr)
dt %>%
group_by(sassign.buyer) %>%
filter(sassign.purch > 1)
#
# Source: local data frame [3 x 3]
# Groups: sassign.buyer [1]
#
# sassign.buyer sassign.purch sassign.total_
# (chr) (int) (int)
# 1 no 10 357
# 2 no 3 138
# 3 no 2 172
購買量大於1的平均購買者數量
dt %>%
group_by(sassign.buyer) %>%
filter(sassign.purch > 1) %>%
summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt))
# Source: local data frame [1 x 2]
#
# sassign.buyer avg_no_buyers_gt_1
# (chr) (dbl)
# 1 no 0.5
如果不需要買家分組,
dt %>%
filter(sassign.purch > 1) %>%
summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt))
# avg_no_buyers_gt_1
# 1 0.7777778
使用mean()
可以輕松找到滿足條件的案例比例。 這是一篇解釋它的博客文章: https : //drsimonj.svbtle.com/proportionsfrequencies-with-mean-and-booleans ,這是一個簡單的示例:
buyer <- c("yes", "yes", "no", "no")
mean(buyer == "yes")
#> [1] 0.5
因此,在您的情況下,您可以這樣做mean(d$sassign.buyer[d$sassign.purch > 1] == "yes")
。 這是一個可行的示例:
d <- data.frame(
sassign.buyer = factor(c("yes", "yes", "no", "no")),
sassign.purch = c(1, 10, 0, 200)
)
mean(d$sassign.buyer[d$sassign.purch > 1] == "yes")
#> [1] 0.5
這將得到d$sassign.purch
大於1的所有情況,然后計算d$sassign.buyer
等於"yes"
情況的比例(使用mean()
)。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.