我有一个数据集，想要计算3个实例：
Coins大于20 Coins等于20 Coins小于20 以下是来自更大数据集的示例：
Plan Year Coins Copay
A 2018 20 10
B 2014 15 5
C 2012 30 0
D 2017 30 10
E 2018 5 10
F 2018 20 0
G 2018 20 0
H 2016 20 10
I 2014 10 3
J 2017 20 7
因此，我希望得到以下数量（基于上面的条件和样本数据集）
答案 0 :(得分：4)
我喜欢cut进行分箱，table进行计数。 prop.table将计数变为比例。
prop.table(table(cut(your_data$Coins, breaks = c(-Inf, 19.5, 20.5, Inf))))
这只是给你比例。您可以在cut中设置自定义标签，有关详细信息，请参阅帮助页面。
使用Ell的样本数据：
df <- data.frame("coins" = c(20,15,30,30,5,20,20,20,10,20))
prop.table(table(cut(df$coins, breaks = c(-Inf, 19.5, 20.5, Inf))))
# (-Inf,19.5] (19.5,20.5] (20.5, Inf]
# 0.3 0.5 0.2
如果您希望结果以百分比而非比例显示，则可以添加* 100。
答案 1 :(得分：2)
对于三个条件，我们可以使用map执行此操作
library(tidyverse)
map(c('>', "==", "<"), ~ df1 %>%
filter(get(.x)(Coins, 20)) %>%
pull(Plan))
#[[1]]
#[1] "C" "D"
#[[2]]
#[1] "A" "F" "G" "H" "J"
#[[3]]
#[1] "B" "E" "I"
如果我们需要比例
map(c('>', "==", "<"), ~ df1 %>%
filter(get(.x)(Coins, 20)) %>%
count(Plan) %>%
mutate(Prop = 100 *n/sum(n)) %>%
select(-n))
#[[1]]
# A tibble: 2 x 2
# Plan Prop
# <chr> <dbl>
#1 C 50.0
#2 D 50.0
#[[2]]
# A tibble: 5 x 2
# Plan Prop
# <chr> <dbl>
#1 A 20.0
#2 F 20.0
#3 G 20.0
#4 H 20.0
#5 J 20.0
#[[3]]
# A tibble: 3 x 2
# Plan Prop
# <chr> <dbl>
#1 B 33.3
#2 E 33.3
#3 I 33.3
如果OP用于完整数据集分组
df1 %>%
group_by(grp = case_when(Coins < 20 ~ 'grp1', Coins ==20 ~ 'grp2', TRUE ~ 'grp3')) %>%
summarise(Plan = toString(unique(Plan)), prop = n()) %>%
mutate(prop = 100 * prop/sum(prop)) %>%
ungroup %>%
select(-grp)
# A tibble: 3 x 2
# Plan prop
# <chr> <dbl>
#1 B, E, I 30.0
#2 A, F, G, H, J 50.0
#3 C, D 20.0
答案 2 :(得分：2)
我使用length功能作为一个非常简单的选项
100*(length(df$coins[df$coins > 20]) /length(df$coins))
100*(length(df$coins[df$coins == 20])/length(df$coins))
100*(length(df$coins[df$coins < 20]) /length(df$coins))
给予
> 100*(length(df$coins[df$coins > 20]) /length(df$coins))
[1] 20
> 100*(length(df$coins[df$coins == 20])/length(df$coins))
[1] 50
> 100*(length(df$coins[df$coins < 20]) /length(df$coins))
[1] 30
如果你这么做很多，你可以将它包装成一个函数，你可以将它用于其他列（d）和/或感兴趣的值（p）
perc <- function(d, p){
return(c(
100*(length(d[d>p]) /length(d)),
100*(length(d[d==p])/length(d)),
100*(length(d[d<p]) /length(d))))
}
perc(df$coins, 20)
perc(df$coins, 90)
perc(df$copay, 10)
这是基于可重复的数据框
df <- data.frame("plan" = LETTERS[1:10], "coins" = c(20,15,30,30,5,20,20,20,10,20), "copay" = c(10,5,0,10,10,0,0,10,3,7))
旁注： 鉴于您获得的答案种类繁多，我很好奇地比较了所使用的方法。我认为看到不同人的创作方法真的很棒！
在提供的数据框上运行10,000次，运行速度有一些相当大的差异（使用编写时提供的代码）。 Akrun和Hpesoj626的解决方案分别需要37秒和40秒，Gregor的速度相差2.1秒，而我的速度则为0.61秒。此外，如果按照我的建议将其包装到一个函数中，10,000次运行只需0.15秒。
格雷戈尔使用较少的字符因此是一个较短的脚本，我个人认为它非常优雅（但如果你为不同的值或列做了很多次，那么函数将是最短的方法）。我唯一关心的是它如何处理连续数据 - 想象硬币可以取值20.0000000000001 - 然后你必须将它编码为...... -Inf, 19.99999999999, 20.0000000000001, Inf ...换句话说，你必须是非常小心你如何实现它。
正如格雷戈尔所指出的那样，如果你想要更多的间隔，我的版本将需要更多的修改。
答案 3 :(得分：1)
我认为akrun涵盖了您正在寻找的一切。但是受Gregor的回答启发，你也可以使用findInterval，然后你可以做一些akrun所做的魔术。
df1 <- df %>% mutate(Group = findInterval(Coins, c(20, 20.5)))
df1 <- df1 %>% left_join(df1 %>%
group_by(Group) %>%
summarise(n = n()) %>%
mutate(Prop = n / sum(n) * 100)) %>%
select(-Group, -n)
df1
# Plan Year Coins Copay Prop
# 1 A 2018 20 10 50
# 2 B 2014 15 5 30
# 3 C 2012 30 0 20
# 4 D 2017 30 10 20
# 5 E 2018 5 10 30
# 6 F 2018 20 0 50
# 7 G 2018 20 0 50
# 8 H 2016 20 10 50
# 9 I 2014 10 3 30
# 10 J 2017 20 7 50
您也可以split Prop使用enframe来获取构成Prop的相同计划列表。
df1 %>% split(.$Prop) %>%
enframe() %>%
mutate(Plan = map(value, ~toString(paste(.x$Plan)))) %>%
unnest(Plan) %>%
select(-value) %>%
rename(Prop = name) %>%
select(Plan, Prop)
# Plan Prop
# <chr> <chr>
# 1 C, D 20
# 2 B, E, I 30
# 3 A, F, G, H, J 50