Question

我有一个每天有多个土壤测量数据表。土壤湿度范围为0-0.8，并且还有一些NA：

set.seed(24)
df1 <- data.frame(date = sample(seq(as.Date("2015-01-01"), 
                                    length.out = 365, by = "1 day"), 5e1, replace = TRUE), 
                  sm = sample(c(NA, runif(10, min=0, max=0.8)), 5e1, replace = TRUE))

我试图按月计算以下统计数据：

NA的百分比;
类别中土壤湿度值的百分比（例如0 to 0.2，0.2 to 0.4，0.4 to 0.6和0.6 to 0.8）。

在提供的示例df1中，1月有五个测量值。五分之一是NA，因此NA应该总共20％。还有0.13，它适合0-0.2类。因此，20％。有两个0.23值，位于0.2-0.4类中，因此为50％。最终的0.68值将转到0.6-0.8类，这是1月份总数的20％。

这是预期的结果：

month   NA   0-0.2   0.2-0.4   0.4-0.6   0.6-0.8
1       20%    20%     40%        0%       20%
2        0%    0%      50%       25%       25%
3        0%    0%    16.6%     16.6%       66.8%
...

我尝试计算1.失败的原因如下：

DT[, .(percentage = 100 * sum(is.na(.SD))/length(.SD)), by=month(DT$date)]

但它会产生一些无意义的百分比值。

关于如何到达那里的任何想法？谢谢！

Answer 1

我们可以尝试使用tidyverse。将“日期”转换为Date类（如果尚未），从“日期”中提取month，根据“sm”列创建一个cut的分组变量，按'month'和'grp'获取每个组的元素数量（n()）并除以每个月的总行数，并spread将其划分为“宽”格式

library(tidyverse)
df1 %>% 
  group_by(month = month(date)) %>%
  mutate(n = n()) %>% 
  group_by(grp = cut(sm, breaks = seq(0, 0.8, by = 0.2)), add = TRUE) %>%
  summarise(perc = 100 * n()/first(n)) %>% 
  spread(grp, perc, fill = 0)
# A tibble: 12 x 6
# Groups: month [12]
#   month `(0,0.2]` `(0.2,0.4]` `(0.4,0.6]` `(0.6,0.8]` `<NA>`
# * <dbl>     <dbl>       <dbl>       <dbl>       <dbl>  <dbl>
# 1  1.00      20.0        40.0         0          20.0   20.0
# 2  2.00       0          50.0        25.0        25.0    0  
# 3  3.00       0          16.7        16.7        66.7    0  
# 4  4.00      14.3        42.9        42.9         0      0  
# 5  5.00      33.3        16.7         0          50.0    0  
# 6  6.00       0         100           0           0      0  
# 7  7.00       0          66.7         0           0     33.3
# 8  8.00      20.0        60.0        20.0         0      0  
# 9  9.00      14.3        28.6        28.6        14.3   14.3
#10 10.0       50.0        50.0         0           0      0  
#11 11.0        0         100           0           0      0  
#12 12.0        0          33.3        66.7         0      0

或使用data.table

library(data.table)
tmp <- setDT(df1)[,  n := .N, month(ymd(date))][, .(perc = 100 * .N/n[1]),  
  by = .(month = month(ymd(date)),
   grp = cut(sm, breaks = seq(0, 0.8, by = 0.2),
    labels = c('0 - 0.2', '0.2 - 0.4', '0.4 - 0.6', '0.6 - 0.8')))] 

dcast(tmp, month ~ grp, value.var = 'perc')

数据

set.seed(24)
df1 <- data.frame(date = sample(seq(as.Date("2015-01-01"), 
  length.out = 365, by = "1 day"), 3e4, replace = TRUE), 
   sm = sample(c(NA, rnorm(10)), 3e4, replace = TRUE))

R - 按月计算data.table中出现次数的百分比

1 个答案:

数据