R - 基于条件的聚合分母,用于所有行的百分比计算

时间:2016-10-14 18:05:19

标签: r aggregate percentage

我的数据看起来像这样:

population <- c(101:110)
coverage  <- c(91:100)
area <- c("Cambridge", "Cambridge","Cambridge", "Cambridge","Cambridge", "Oxford", "Oxford","Oxford", "Oxford","Oxford")
all <- data.frame(population,coverage,area) 

然后,我想要一个简洁的R代码来计算具有移动覆盖范围的区域内的人口百分比。我知道它是这样的(但不是这个):

coverage <- population x (coverage/100) / (aggregate(population, by=area, FUN=sum))

如何计算面积总和,用作所有行百分比计算的分母?通常我会使用聚合来按区域获取总体,然后将其合并回数据框以用作分母,但这根本不是很优雅。我希望数据最终看起来像这样:

population <- c(101:110)
coverage  <- c(91:100)
area <- c("Cambridge", "Cambridge","Cambridge", "Cambridge","Cambridge", "Oxford", "Oxford","Oxford", "Oxford","Oxford")
percentage <- c(18, 18, 18, 18, 18, 19, 19, 19, 19, 19)
all <- data.frame(population,coverage,area, percentage) 

非常感谢帮助。

3 个答案:

答案 0 :(得分:0)

您可以dplyr使用area对计算进行分组:

library(dplyr)
all %>% group_by(area) %>% mutate(percentage=population*(coverage/100)/sum(population))
##Source: local data frame [10 x 4]
##Groups: area [2]
##
##   population coverage      area percentage
##        <int>    <int>    <fctr>      <dbl>
##1         101       91 Cambridge  0.1784660
##2         102       92 Cambridge  0.1822136
##3         103       93 Cambridge  0.1860000
##4         104       94 Cambridge  0.1898252
##5         105       95 Cambridge  0.1936893
##6         106       96    Oxford  0.1884444
##7         107       97    Oxford  0.1922037
##8         108       98    Oxford  0.1960000
##9         109       99    Oxford  0.1998333
##10        110      100    Oxford  0.2037037

答案 1 :(得分:0)

我想你想要dplyr总结一下。

这实现了你想要的吗?

库(dplyr) 所有%&gt;%group_by(区域)%&gt;%汇总(coveragePct = sum(coverage)/ sum(population))

答案 2 :(得分:0)

您可以使用dplyr执行此操作:

all.summary <- all %>%
    group_by(area) %>%
    mutate(percentage = population/sum(population)*(coverage/100))
all.summary


   population coverage      area percentage
        <int>    <int>    <fctr>      <dbl>
1         101       91 Cambridge  0.1784660
2         102       92 Cambridge  0.1822136
3         103       93 Cambridge  0.1860000
4         104       94 Cambridge  0.1898252
5         105       95 Cambridge  0.1936893
6         106       96    Oxford  0.1884444
7         107       97    Oxford  0.1922037
8         108       98    Oxford  0.1960000
9         109       99    Oxford  0.1998333
10        110      100    Oxford  0.2037037