Question

如果有人回答，我道歉 - 我找不到它！为了简化，我有一个包含2个相关列的汽车数据框：里程和价格。我想计算0-20,000英里，20,000-40,000等车辆的平均价格和车辆数量（在20,000英里的“箱子”中）。我一直在为各种里程范围制作数据子集，然后查看该子集的平均值和数量或车辆。我想知道是否有更有效的方法来做到这一点，而不是制作所有这些子集 - 我用各种“箱”和数据做了很多次。我很乐意学习这种方式。

谢谢！

Answer 1

您可能希望沿着这些方向发展：

library(data.table)
d = data.table(mileage = runif(1000, 0, 100000), price = runif(1000, 15000, 35000))

d[, list(price = mean(price), number = .N),
    by = cut(mileage, c(0, 20000, 25000, 30000, 100000))][order(cut)]
#                cut    price number
# 1:       (0,2e+04] 25252.70    215
# 2: (2e+04,2.5e+04] 25497.66     46
# 3: (2.5e+04,3e+04] 25349.79     45
# 4:   (3e+04,1e+05] 25037.93    694

Answer 2

这显示了如何使用聚合在一次运行中按类别返回多个统计信息。

 # Using Quentin's data
 d[['mileage.cat']] <- cut(d$mileage, breaks=seq(0, 200000, by= 20000))
 aggregate(d$price, d['mileage.cat'] , 
                 FUN=function(price) c(counts=length(price),
                                         mean.price=mean(price) ) )

    mileage.cat x.counts x.mean.price
1     (0,2e+04]   212.00     24859.01
2 (2e+04,4e+04]   194.00     24343.16
3 (4e+04,6e+04]   196.00     24357.73
4 (6e+04,8e+04]   191.00     25006.71
5 (8e+04,1e+05]   207.00     25250.23

Answer 3

制作垃圾箱，“切”。例如：

x=1:10
bkpt=c(0,2.5,7.5,10)
x.cut=cut(x,breaks=bkpt)

这样完成了。 y是以后的一些数据：

y=21:30
data.frame(x,x.cut,y)

要计算每个组的内容，请使用tapply。按照我的例子：

tapply(y,x.cut,length)
tapply(y,x.cut,mean)

计算（a）y的数量和（b）x.cut定义的每个组中y的平均值。

Answer 4

使用聚合的另一种方法：

df <- data.frame(mil = sample(1e5,20),price = sample(1000,20) )
#mil2 is our "mile bin" ( 0 -> [0:20000[; 1 -> [20000:40000[ ...)
df$mil2 = trunc(df$mil /20000)

# then to get the mean by "mile bin":
aggregate(price ~ mil2,df,mean)
# or the number:
aggregate(price ~ mil2,df,length)
# or simply:
table(df$mil2)

有没有快速的方法来获取数据框中列的各种“箱”的平均值？

4 个答案: