Question

使用R，有没有办法获取数据集并映射出每个分类变量的每个可能组合？

例如，假设我从在线商店获得了10,000行客户数据。我想知道哪些购物者花的钱最多。我有来自客户的以下数据：

电子邮件（雅虎，gmail，hotmail，aol）浏览器（Mozilla，IE，Chrome，Opera）国家（美国，加拿大，中国，澳大利亚，埃及，韩国，巴西）每个用户在我的商店花了多少钱。

我想绘制出上述三个分类变量的每种可能组合，看看每个客户的平均支出是多少。

在R中执行此操作的好方法是什么？（注意：我的R经验现在很平均）

感谢。

Answer 1

您可以使用aggregate：

执行此操作

set.seed(144)
dat = data.frame(email=sample(c("yahoo", "gmail"), 10000, replace=T),
                 browser=sample(c("mozilla", "ie"), 10000, replace=T),
                 country=sample(c("usa", "canada"), 10000, replace=T),
                 money=runif(10000))
aggregate(dat$money, by=list(browser=dat$browser, email=dat$email,
                             country=dat$country), mean)
#   browser email country         x
# 1      ie gmail  canada 0.4905588
# 2 mozilla gmail  canada 0.5064342
# 3      ie yahoo  canada 0.4894398
# 4 mozilla yahoo  canada 0.4959031
# 5      ie gmail     usa 0.5069363
# 6 mozilla gmail     usa 0.5088138
# 7      ie yahoo     usa 0.4957478
# 8 mozilla yahoo     usa 0.4993698

要获得像mean和count这样的多个列，您可以执行以下操作：

res = aggregate(dat$money, by=list(browser=dat$browser, email=dat$email,
                                   country=dat$country),
                FUN=function(x) c(mean=mean(x), count=length(x)))
res
#   browser email country       x.mean      x.count
# 1      ie gmail  canada    0.4905588 1261.0000000
# 2 mozilla gmail  canada    0.5064342 1227.0000000
# 3      ie yahoo  canada    0.4894398 1267.0000000
# 4 mozilla yahoo  canada    0.4959031 1253.0000000
# 5      ie gmail     usa    0.5069363 1240.0000000
# 6 mozilla gmail     usa    0.5088138 1236.0000000
# 7      ie yahoo     usa    0.4957478 1213.0000000
# 8 mozilla yahoo     usa    0.4993698 1303.0000000

Answer 2

有：

expand.grid(gender = c("male", "female"), tShirtSize = c("xs", "s","m","l","xl"))

将返回数据框中的所有组合。对于摘要统计信息，请尝试aggregate，例如：

country = sample(c("america", "canadian"), 30, replace = TRUE)
gender = sample(c("male", "female"), 30, replace = TRUE)
x = abs(rnorm(30) * 1000)
aggregate(data.frame(x), by = list(country, gender), FUN = mean)

如果数据框中存在包含字符串的列，则会遇到错误，因此我会使用数值对列进行子集化。

Answer 3

这是一种利用dplyr

的方法

require(magrittr)
require(dplyr)    

set.seed(123)
dat = data.frame(email=sample(c("yahoo", "gmail"), 10000, replace=T),
                 browser=sample(c("mozilla", "ie"), 10000, replace=T),
                 country=sample(c("usa", "canada"), 10000, replace=T),
                 money=runif(10000))  
dat %>%
  group_by(email, browser, country) %>%
  summarize(mean = mean(money))
# email browser country      mean
# 1 gmail      ie  canada 0.5172424
# 2 gmail      ie     usa 0.4921908
# 3 gmail mozilla  canada 0.4934892
# 4 gmail mozilla     usa 0.4993923
# 5 yahoo      ie  canada 0.5013214
# 6 yahoo      ie     usa 0.5098280
# 7 yahoo mozilla  canada 0.4985357
# 8 yahoo mozilla     usa 0.4919743

编辑：如果您想将列表传递到group_by()，则需要使用非标准评估对象regroup()。例如，

mylist <- list("email", "browser", "country")
dat %>%
  regroup(mylist) %>%
  summarize(mean = mean(money))

另见dplyr: How to use group_by inside a function?

Answer 4

创建一些虚拟数据：

dataset <- data.frame(
    spend=10*runif(100),
    email=sample(c("yahoo","gmail","hotmail","aol"),100,replace=TRUE),
    browser=sample(c("Mozilla","IE","Chrome","Opera"),100,replace=TRUE),
    country=sample(c("USA","Canada","China","Australia",
      "Egypt","S.Korea","Brazil"),100,replace=TRUE))

每个组合平均spend：

with(dataset,by(spend,list(email,browser,country),mean))

请注意没有条目的组合NA。

或者将其转换为三维array：

as.table(with(dataset,by(spend,list(email,browser,country),mean)))

如何映射R中的每个分类变量组合？

4 个答案: