Question

我是R初学者并且已经到了这一点，在那里我需要计算数据框中值的百分比，但经常按其他列值“分组”。

我有一个大约1000行的数据框，包含mediatype，version，collection（= year）和count（今年）。我可以过滤它们，只获得特定的mediatye：

trSpdf <- trS[trS$Mediatype == 'application/pdf',]

并获得以下示例性输出：

> trSpdf 

        Mediatype Version Collection      Count
39 application/pdf      -1     co2008         2.0
40 application/pdf      -1     co2009         5.0
43 application/pdf       1     co2008         1.0
44 application/pdf       1     co2009         1.0
48 application/pdf     1.1     co2008        16.0
52 application/pdf     1.2     co2008        20.0
53 application/pdf     1.2     co2009        90.0
... (continuing) ...

我想要的是计算每个集合（=年）的每个版本与该集合中所有版本的百分比，因此对于此示例，结果应为：

5.12% of all versions in co2008 were version -1 (2.0 / total sum for co2008)
2.56% of all versions in co2008 were version 1 (1.0 / total sum for co2008)
...
93,75% of all versions in co2009 were version 1.2 (90.0 / total sum for co2009)
...

提前感谢我对如何解决这个问题的任何答案。

Answer 1

您可以执行以下操作：

with(trSpdf, by(Version, Collection, FUN= function(x) round(prop.table(table(x))*100,2)))

您可以将FUN更改为您希望输出显示的内容。

编辑：试试这个：

yearsums <- with(trSpdf, tapply(Count, Collection, sum))
mapply(FUN = function(x,y) x/yearsums[as.character(y)], trSpdf$Count, trSpdf$Collection)

我确信有更好的方法。

Answer 2

首先，使用ave添加一列，列出每Mediatype和Collection的总计数：

trS <- transform(trS, Tot.Count = ave(Count, Mediatype, Collection, FUN = sum))

然后，很容易明白如何计算百分比：

trS <- transform(trS, percentage = 100 * Count/Tot.Count)

或者如果您希望格式良好（例如“5.13％”），请使用sprintf：

trS <- transform(trS, percentage = paste0(sprintf("%.2f", 100 * Count/Tot.Count),
                                          "%"))

计算数据框中列的百分比 - 按列“分组”

2 个答案: