Question

我最近从STATA + Excel转换到R.所以，如果有人能帮助我编写高效的代码，我将不胜感激。在发布SO之前，我已尽力研究答案。

以下是我的数据：

mydata<-data.frame(sassign$buyer,sassign$purch,sassign$total_)
str(mydata)
'data.frame':   50000 obs. of  3 variables:
 $ sassign.buyer : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 2 1 ...
 $ sassign.purch : num  10 3 2 1 1 1 1 11 11 1 ...
 $ sassign.total_: num  357 138 172 272 149 113 15 238 418 123 ...
head(mydata)
  sassign.buyer sassign.purch sassign.total_
1            no            10            357
2            no             3            138
3            no             2            172
4            no             1            272
5            no             1            149
6           yes             1            113

我的目标是找到平均购买数量＆gt; 1.

所以，这就是我的所作所为：

方法1：长方法

library(psych)
check<-as.numeric(mydata$sassign.buyer)-1
myd<-cbind(mydata,check)
abcd<-psych::describe(myd[myd$sassign.purch>1,])
abcd$mean[4]

我得到的输出是：0.1031536697，这是正确的。

@Sathish：这是检查的样子：

head(check)
0 0 0 0 0 1

这确实解决了我的目的。

这种方法的优点：它很简单，通常是初学者级别。缺点：太多 - 我需要一个额外的变量（检查）。另外，我不喜欢这种方法 - 它太笨重了。

旁边问题：我意识到默认情况下，虽然设置了选项（数字= 10），但功能不会显示更高的精度。例如，这是我从跑步中得到的：

psych::describe(myd[myd$sassign.purch>1,])


               vars     n   mean     sd median trimmed    mad min max range skew
sassign.buyer*    1 34880   1.10   0.30      1    1.00   0.00   1   2     1 2.61
sassign.purch     2 34880   5.14   3.48      4    4.73   2.97   2  12    10 0.65
sassign.total_    3 34880 227.40 101.12    228  226.13 112.68  30 479   449 0.09
check             4 34880   0.10   0.30      0    0.00   0.00   0   1     1 2.61
               kurtosis   se
sassign.buyer*     4.81 0.00
sassign.purch     -1.05 0.02
sassign.total_    -0.72 0.54
check              4.81 0.00

只有当我跑

时才会这样

abcd$mean[4]

我得到0.1031536697

方法2：使用dplyr 我试过管道和函数调用，但我终于放弃了。

方法2 | Try1： 迷幻::描述（dplyr ::滤波器（MYDATA，MYDATA $ sassign.purch→1）[，dplyr ::发生变异（as.numeric（MYDATA $ sassign.buyer）-1）]）

输出：

Error in UseMethod("mutate_") : 
  no applicable method for 'mutate_' applied to an object of class "c('double', 'numeric')"

方法2 | Try2：使用管道：

mydata %>% mutate(newcol = as.numeric(sassign.buyer)-1) %>% dplyr::filter(sassign.purch>1) %>% summarise(meanpurch = mean(newcol))

这确实有效，我得到了meanpurch = 0.1031537。但是，我仍然不确定尝试1。

有什么想法，为什么这不起作用？

Answer 1

数据：

> dt
# sassign.buyer sassign.purch sassign.total_
# 1            no            10            357
# 2            no             3            138
# 3            no             2            172
# 4            no             1            272
# 5            no             1            149
# 6           yes             1            113

购买量大于1的买家数量

library(dplyr)

dt %>% 
  group_by(sassign.buyer) %>% 
  filter(sassign.purch > 1) 

# 
# Source: local data frame [3 x 3]
# Groups: sassign.buyer [1]
# 
# sassign.buyer sassign.purch sassign.total_
# (chr)         (int)          (int)
# 1            no            10            357
# 2            no             3            138
# 3            no             2            172

购买量大于1的买家平均数

dt %>% 
  group_by(sassign.buyer) %>% 
  filter(sassign.purch > 1) %>% 
  summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt))

# Source: local data frame [1 x 2]
# 
#       sassign.buyer avg_no_buyers_gt_1
#         (chr)              (dbl)
# 1            no             0.5

如果不需要买家分组，

dt %>%
  filter(sassign.purch > 1) %>% 
  summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt))

#   avg_no_buyers_gt_1
# 1          0.7777778

Answer 2

使用mean()可以轻松找到适合某种情况的病例比例。这是一篇解释它的博文：https://drsimonj.svbtle.com/proportionsfrequencies-with-mean-and-booleans，这是一个简单的例子：

buyer <- c("yes", "yes", "no", "no")
mean(buyer == "yes")
#> [1] 0.5

因此，在您的情况下，您可以执行mean(d$sassign.buyer[d$sassign.purch > 1] == "yes")。这是一个有效的例子：

d <- data.frame(
  sassign.buyer = factor(c("yes", "yes", "no", "no")),
  sassign.purch = c(1, 10, 0, 200)
)
mean(d$sassign.buyer[d$sassign.purch > 1] == "yes")
#> [1] 0.5

这会导致d$sassign.purch大于1的所有情况，然后计算mean()等于d$sassign.buyer的这些情况的比例（使用"yes"）。

R中的条件过滤和总结

2 个答案: