Question

我在使用函数中的因素时遇到了一些麻烦，或者只是在基本计算中使用它们。我有一个像这样的数据框架（但有多达6000个不同的因素）。

df<- data.frame( p <- runif(20)*100,
q = sample(1:100,20, replace = T),
tt = c("e","e","f","f","f","i","h","e","i","i","f","f","j","j","h","h","h","e","j","i"),
ta = c("a","a","a","b","b","b","a","a","c","c","a","b","a","a","c","c","b","a","c","b"))
colnames(df)<-c("p","q","ta","tt")

现在price = p和quantity = q是我的变量，而tt和ta是不同的因素。

现在，我首先想要找出tt

中每个不同因素的每单位q的平均价格

(p*q ) / sum(q) by tt

在这种情况下，这将给我一个3个不同总和的列表，a，b和c（我有6000个不同的因素，所以我需要聪明地做:)）。

我尝试过使用拆分来制作清单，在这种情况下，我可以得到每个tt因子来包含价格而另一个包含数量，但是我似乎无法让它们达到平均值。我也试过使用tapply，但我再也看不出如何将因素纳入其中？

编辑：我可以看到我需要澄清：

我需要找到3个总和，平均价格pr。给出每个因子，所以在这个简化的情况下它将是：

a：p * q的总和（行（1,2,3,7,11,13,14,18）/总和（行行的q（1,2,3,7,11,13， 14,18）

所以结果应该是a，b和c的平均价格，这只是3个值。

Answer 1

我会使用plyr来执行此操作：

library(plyr)
ddply(df, .(tt), mutate, new_col = (p*q) / sum(q))
          p  q ta tt     new_col
1  73.92499 70  e  a 11.29857879
2  58.49011 60  e  a  7.66245932
3  17.23246 27  f  a  1.01588711
4  64.74637 42  h  a  5.93743967
5  55.89372 45  e  a  5.49174103
6  25.87318 83  f  a  4.68880732
7  12.35469 23  j  a  0.62043207
8   1.19060 83  j  a  0.21576367
9  84.18467 25  e  a  4.59523322
10 73.59459 66  f  b 10.07726727
11 26.12099 99  f  b  5.36509998
12 25.63809 80  i  b  4.25528535
13 54.74334 90  f  b 10.22178577
14 69.45430 50  h  b  7.20480246
15 52.71006 97  i  b 10.60762667
16 17.78591 54  i  c  5.16365066
17  0.15036 41  i  c  0.03314388
18 85.57796 30  h  c 13.80289670
19 54.38938 44  h  c 12.86630433
20 44.50439 17  j  c  4.06760541

plyr因速度慢而闻名，data.table提供类似的功能，但性能要高得多。

Answer 2

如果我理解你的问题，这应该是答案。尝试并做出回应，如果需要，我可以调整它。

myRes <- function(tt) {

  out <- NULL;
  qsum <- sum(as.numeric(df[,"q"]))
  psum <- sum(as.numeric(df[,"p"]))
  for (var in tt) {
    index <- which(df["tt"] == var)

    out <- c(out, ((qsum *psum) / sum(df[index,"q"])))
  }
  return (out)
}

threeValue <- myRes(levels(df[, "tt"]));

R在函数中使用因子

2 个答案: