Question

我有一个目标变量，范围是-33到17，并且具有类型为int的变量mercer_category_id。

summary(total_trans$target)
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
-33.21928  -0.80808  -0.09018  -0.45554   0.54223  17.96507 

str(total_trans$merchant_category_id)
merchant_category_id: int  278 307 705 307 705 307 705 307 278 332

仅当目标变量小于或等于第一个四分位数时，我才想找到从最小到最大的变量mercer_category_id的数量。

我试图这样做：

total_trans %>% group_by(merchant_category_id) %>% summarise(counting = count(merchant_category_id))

响应是错误：

Error in summarise_impl(.data, dots) : 
  Evaluation error

之后：

total_trans %>% summarise(Range = list(range(merchant_category_id[target <= summary(target)[2]])))

响应：

    Range
1 -1, 891

也尝试：

total_trans %>% group_by(merchant_category_id) %>% summarise(Range = list(range(target[target < -0.80808])))

响应：

# A tibble: 325 x 2
   merchant_category_id Range    
                  <int> <list>   
 1                   -1 <dbl [2]>
 2                    2 <dbl [2]>
 3                    9 <dbl [2]>
 4                   11 <dbl [2]>
 5                   14 <dbl [2]>
 6                   16 <dbl [2]>
 7                   18 <dbl [2]>
 8                   19 <dbl [2]>
 9                   21 <dbl [2]>
10                   27 <dbl [2]>
# ... with 315 more rows
There were 26 warnings (use warnings() to see them)

如果我这样做

total_trans %>% count(merchant_category_id, wt = target < -0.80808)

或

total_trans %>%
  mutate(q1 = target <= quantile(target, 1/4)) %>%
  filter(q1) %>%
  group_by(merchant_category_id) %>%
  summarise(count = n())

我得到这个回应：

   merchant_category_id     n
                  <int> <int>
 1                   -1   432
 2                    2  8364
 3                    9  2580
 4                   11     9
 5                   14  1800
 6                   16   177
 7                   18     4
 8                   19 24371
 9                   21   466
10                   27     4

这几乎是我所需要的。只需对第n列进行排序（从最大数量到最小数量）

如何使用dplyr做到这一点？

Answer 1

我不知道这是最佳答案：

top_n(total_trans %>%
  mutate(q1 = target <= quantile(target, 1/4)) %>%
  filter(q1) %>%
  group_by(merchant_category_id) %>%
  summarise(count = n())%>% arrange(desc(count)), 20)

但是可以使用top_n。

非常感谢大家！！！

Answer 2

对于我所理解的问题，类似以下内容的方法可以做到。

首先组成一个数据集。

set.seed(1234)
n <- 100
total_trans <- data.frame(merchant_category_id = sample.int(20, n, TRUE),
                          target = runif(n, -33, 17))

现在是问题。

library(dplyr)

total_trans %>%
  mutate(q1 = target <= quantile(target, 1/4)) %>%
  filter(q1) %>%
  group_by(merchant_category_id) %>%
  summarise(count = n())

请注意，两条代码行mutate和filter只能变成一条：filter(target <= quantile(target, 1/4))。我已经这样保留它，以使代码更具可读性。

编辑。

以下按计数排序，仅保留结果的前20行。

total_trans %>%
  filter(target <= quantile(target, 1/4)) %>%
  count(merchant_category_id) %>%
  arrange(desc(n)) %>%
  head(20)

汇总值dplyr r

2 个答案: