Question

我有一个数据集，其中包含两列，user_type和滞后响应时间（以天为单位）：

          user_type imp_date lag 
           Consumer 20130613   1  
           Consumer 20130612   2  
           Consumer 20130611   3  
           Consumer 20130612   3  
           Producer 20130610  10  
           Producer 20130614   5  
           Producer 20130613   7

我想计算EACH user_type的滞后百分比。以下是我想要的输出示例：

user_type        lag    percentage
---------        ---    ----------
Consumer         1      0.25
Consumer         2      0.25
Consumer         3      0.5
Producer         5      0.333
Producer         7      0.333
Producer         10     0.333

滞后时间响应的百分比细分是根据每个user_type组的总和来计算的。

具体来说，我想在pylr中使用ddply，我有类似的东西：

a = ddply(data, .(user_type), summarize, table(lag)/length(lag))

但它没有给我延迟时间响应列。

P.S。我最初的动机是为不同的用户类型绘制这些滞后分布，我有：

p <- ggplot(data, aes(x = lag, fill = factor(user_type))) 
p + geom_bar(aes(y = (..count..)/sum(..count..)))

但似乎每个user_type的滞后百分比细分是不正确的（即，百分比是针对每个滞后组而不是user_type组计算的）。因此，我决定在绘图之前转换我的数据集，如果有更简单的方法，请分享。

谢谢！

Answer 1

这可以使用ddply来完成：

a = ddply(data, .(user_type), function(d) {
    data.frame(table(d$lag)/length(d$lag))
})

虽然我可能会使用data.table包，如下所示：

library(data.table)
d = data.table(data)
a = d[, list(lag=unique(lag), percentage=as.numeric(table(lag)/length(lag))), by="user_type"]

R中的ddply：对于每个组，查找特定变量的出现百分比

1 个答案: