Как создать условно новые группы при суммировании групповых средств в R - PullRequest
Новая
       20

Как создать условно новые группы при суммировании групповых средств в R

0 голосов
/ 05 октября 2018

У меня есть данные, по которым я хочу обобщить групповые средства.Затем я хотел бы перегруппировать некоторые меньшие группы (соответствующие определенному условию n

Вот пример использования tibble и dyplr. 

# preps
library(tibble)
library(dplyr)
set.seed(7)

# generate 4 groups with more observations
tbl_1  <- tibble(group = rep(sample(letters[1:4], 150, TRUE), each = 4),
                 score = sample(0:10, size = 600, replace = TRUE))

# generate 3 groups with less observations
tbl_2 <- tibble(group = rep(sample(letters[5:7], 50, TRUE), each = 3),
                score = sample(0:10, size = 150, replace = TRUE)) 

# put them into one data frame
tbl <- rbind(tbl_1, tbl_2)

# aggregate the mean scores and count the observations for each group
tbl_agg1 <- tbl %>%
  group_by(group) %>%
  summarize(MeanScore = mean(score),
            n = n())

Пока все просто.Далее я хочу показать только группы с более чем 100 наблюдениями.Все остальные группы должны быть объединены в одну группу под названием «другие».

# First, calculate summary stats for groups less then n < 100
tbl_agg2 <- tbl_agg1 %>%
   filter(n<100) %>%
      summarize(MeanScore = weighted.mean(MeanScore, n),
                sumN = sum(n))

Примечание. В приведенном выше расчете произошла ошибка, которая теперь исправлена ​​(@Frank: спасибо, что заметили ее!) 

# Second, delete groups less then n < 100 from the aggregate table and add a row containing the summary statistics calculated above instead
tbl_agg1 <- tbl_agg1 %>%
   filter(n>100) %>%
      add_row(group = "others", MeanScore = tbl_agg2[["MeanScore"]], n = tbl_agg2[["sumN"]])

tbl_agg1 в основном показывает, чего я хочупокажи, но мне интересно, есть ли более плавный и эффективный способ сделать это.В то же время мне интересно, как подход data.table мог бы решить эту проблему.

Я приветствую любые предложения.

1 Ответ

0 голосов
/ 05 октября 2018

Ваш расчет для "другой" группы неверен, я думаю ... должен быть ... 

tbl_agg1 %>% {bind_rows(
   filter(., n>100),
   filter(., n<100) %>%
   summarize(group = "other", MeanScore = weighted.mean(MeanScore, n), n = sum(n))
)}

Однако вы могли бы упростить вещи с самого начала, используя другую группировкупеременная: 

tbl %>% 
  group_by(group) %>% 
  group_by(g = replace(group, n() < 100, "other")) %>% 
  summarise(n = n(), m = mean(score))

# A tibble: 5 x 3
  g         n     m
  <chr> <int> <dbl>
1 a       136  4.79
2 b       188  4.49
3 c       160  5.32
4 d       116  4.78
5 other   150  5.42

или с данными. таблица 

library(data.table)
DT = data.table(tbl)
DT[, n := .N, by=group]
DT[, .(.N, m = mean(score)), keyby=.(g = replace(group, n < 100, "other"))]

       g   N        m
1:     a 136 4.786765
2:     b 188 4.489362
3:     c 160 5.325000
4:     d 116 4.784483
5: other 150 5.420000
...