Нахождение медианы в данных о населении Эффективно в R - PullRequest
Новая
       17

Нахождение медианы в данных о населении Эффективно в R

0 голосов
/ 14 мая 2018

Предположим, данные о населении 

   Age0   Age1   Age2   Age3   Age4   Age5   Age6   Age7   Age8   Age9  Age10  Age11
1 268818 261156 255699 249954 249764 250261 251251 252536 254123 256020 257009 256488
2 269489 261305 255394 251470 249123 249254 250075 251372 252931 254813 257074 258142
3 264620 258160 253543 250538 248914 248444 248895 250038 251642 253477 255653 258278
4 252431 262504 258066 254720 252358 250874 250049 249660 250167 251689 253781 255974
5 234872 240086 260846 258418 256334 254612 253263 252082 250855 250728 252172 254521
6 216095 228774 238871 259449 259030 258208 257122 255910 254370 252302 251543 252908

Где для каждого возраста есть несколько тысяч человек. т. е. для возраста 0 в 1 году 268818 детей. Я хочу получить средний возраст для каждого года. До сих пор я создал неэффективный код и ищу некоторую помощь, чтобы он стал быстрее. Я использую следующий код ( ПРИМЕЧАНИЕ : он неэффективен для больших групп населения): 

cells<-NULL
data<-MYdata[,3:103] 
data<-data*1000 #i do this because of excel/R consider differently the . and ,
MedianMatrix<-matrix(nrow = nrow(data),ncol = 1)
for(i in 1:nrow(data)){
  for(j in 1:ncol(data)){
    print(c(i,j))
    cell<-rep(j-1,times=data[i,j])
    cells<-c(cells,cell)
  }
  print(length(cells))
  MedianMatrix[i,1]<-median(cells)
  cells<-NULL
}
MedianMatrix

Любая помощь / рекомендации, чтобы он работал быстрее? Спасибо.

Ответы [ 2 ]

0 голосов
/ 14 мая 2018

Вместо того, чтобы расширять весь вектор и находить медиану, вы можете вычислить совокупную сумму по возрастным группам, а затем найти наибольший возраст, в котором сумма меньше или равна половине численности населения. 

D <- read.table(header=TRUE, text="
Age0   Age1   Age2   Age3   Age4   Age5   Age6   Age7   Age8   Age9  Age10  Age11
268818 261156 255699 249954 249764 250261 251251 252536 254123 256020 257009 256488
269489 261305 255394 251470 249123 249254 250075 251372 252931 254813 257074 258142
264620 258160 253543 250538 248914 248444 248895 250038 251642 253477 255653 258278
252431 262504 258066 254720 252358 250874 250049 249660 250167 251689 253781 255974
234872 240086 260846 258418 256334 254612 253263 252082 250855 250728 252172 254521
216095 228774 238871 259449 259030 258208 257122 255910 254370 252302 251543 252908
")

apply(D, 1, function(x) {
  cum <- c(0, cumsum(x))
  which.max(cum[cum <= sum(x)/2])-1
})
0 голосов
/ 14 мая 2018

Вы можете сделать это непосредственно в одной строке, используя apply, что намного быстрее, чем два for цикла. 

med_age <- apply(df, 1, function(x) median(rep(c(0:(length(x)-1)), x)))

По сути, для каждой строки (года) вы повторяете для каждого возраста количество раз, которое оно появляется в вашем ряду. Затем вы вычисляете медиану напрямую.

...