R - 計算列中的觀察值（字符串）並計算為總體觀察值的百分比

Question

嗨，有一些看起來像這樣的數據：

ID   Item     Class  Value  Date
1    Eggs     A      5      07/07/21
2    Eggs     A      4.5    07/07/21
3    Cereal   C      2      07/07/21
4    Eggs     B      3.5    07/07/21
5    Bread    B      2.5    07/07/21
6    Juice    A      3      07/07/21
7    Juice    C      1.5    07/07/21
8    Eggs     C      2      07/07/21
9    Bread    A      3      07/07/21
10   Juice    A      3      07/07/21

這只是一個示例，實際數據大約有 8k 行（並且有 300 多個數據幀）。 我想創建一個新的 df

1. 計算觀測的百分比Item欄（例如有10個項目的列，其中四個是Eggs ，從而百分比Eggs是40）
2. 計算平均Value的每一個Item組

理想情況下，最終數據將如下所示：

Item    Percentage  Average_Value  Date
Eggs    40          3.75           07/07/21
Cereal  10          2              07/07/21
Bread   20          2.75           07/07/21
Juice   30          2.5            07/07/21

需要注意的幾件事 - 我想對 300 多個不同的 csv（存儲我的數據的位置）執行此操作，並使用此新信息創建一個 df。 每個 csv 指的是一個不同的日期，所以最終的 df 看起來像上面那樣，只有另外四行，但具有不同的值和不同的日期。 我知道我需要為此使用 for 循環，也許我應該稍后弄清楚那部分，但認為現在值得一提。 最后，在某些時候，我可能還想計算Class的平均值。 我最好為此制作一個單獨的 df ，因為我看不出我還能怎么做？

Answer 1

您可以merge table的proportions結果與Value ~ Item的mean的結果形式aggregate merge 。 如果Date也需要在那里，可以使用cbind或data.frame添加。

merge(aggregate(cbind(Average_Value = Value) ~ Item, x, mean)
    , proportions(table(x$Item))*100
    , by.y=1, by.x="Item")[c(1,3,2)]
#    Item Freq Average_Value
#1  Bread   20          2.75
#2 Cereal   10          2.00
#3   Eggs   40          3.75
#4  Juice   30          2.50

或者只使用aggregate ：

aggregate(Value ~ Item, x, function(y) c(Freq=length(y)/nrow(x)*100, Average=mean(y)))
#    Item Value.Freq Value.Average
#1  Bread      20.00          2.75
#2 Cereal      10.00          2.00
#3   Eggs      40.00          3.75
#4  Juice      30.00          2.50

Answer 2

這是否有效：

library(dplyr)
df %>% group_by(Item) %>% summarise(Percentage = n()/nrow(df)*100, Average_Value = mean(Value))
# A tibble: 4 x 3
  Item   Percentage Average_Value
  <chr>       <dbl>         <dbl>
1 Bread          20          2.75
2 Cereal         10          2   
3 Eggs           40          3.75
4 Juice          30          2.5 

Answer 3

在tidyverse執行這些步驟

• 將工作目錄設置為存儲 300 多個 csv 文件的目錄
• 將所有 300 多個 csv 名稱讀入temp
• 假設每個 csv 名稱指的是您的date否則您必須稍微調整代碼
• 使用map和imap_dfr如下所述，您可以為每個文件只執行一次相同的代碼，因此您將擁有一個數據幀

setwd('my/path/here')

temp <- list.files(pattern = '*.csv')

library(tidyverse)

map(temp, read.csv) %>% setNames(gsub('.csv', '', temp)) %>%
  imap_dfr(~ .x %>% group_by(item) %>%
         summarise(Percentage = n()/nrow(df)*100, 
                   Average_Value = mean(Value), .groups = 'drop') %>%
         mutate(Date = .y))

---

如果您所有的 csvs 都包含日期列，請執行此操作

map_dfr(temp, ~read.csv(.x) %>% group_by(item, date) %>%
          summarise(Percentage = n()/nrow(df)*100, 
                    Average_Value = mean(Value), .groups = 'drop'))

Answer 4

使用list.files列出您要使用的所有文件。 使用map_df它們組合在一個文件中，並為每個Date計算Item存在的百分比及其平均值。

library(tidyverse)

filenames <- list.files(pattern = '\\.csv$')

map_df(filenames, read_csv) %>%
  group_by(Date, Item) %>%
  summarise(Percentage = n(), 
            Average_Value = mean(Value)) %>%
  mutate(Percentage = prop.table(Percentage) * 100) %>%
  ungroup -> result

result