Question

我试图将这个值计算为职业和年份的百分比。例如，使用下面的df，第一行的百分比为：

665 /（665 + 709）= 48.4

我能够使用聚合来计算平均值，但我仍然坚持如何计算百分比：aggregate(x=df$value, by=list(df$occupation, df$year),FUN = mean)

df <- data.frame(
  year = c(rep(2003, 8), rep(2005, 8)),
  sex = c(rep(0, 4), rep(1, 4)),
  occupation = rep(c(1:4), 4),
  value = c(665, 661, 695, 450, 709, 460, 1033, 346, 808, 959, 651, 468, 756, 832, 1140, 431)
)

Answer 1

我认为您正在寻找的答案是：

aggregate(
  x = df$value,
  by = list(df$occupation, df$year),
  FUN = function(x) {
    round(x / sum(x) * 100, 1)
  }
)

基本上，答案的关键在于FUN论证;要计算百分比，您需要一个函数告诉R在聚合时要做什么。由于R具有内置平均函数，因此在计算平均值时，您可以将mean提供给FUN。 Hadley Wickham的Advanced R的functional programming chapter在构建命名和匿名函数方面有更多细节。

也就是说，对于像这样的数据处理任务，像dplyr这样的软件包确实擅长使任务不那么复杂和易于阅读。您可以使用上面的聚合答案，但除非您有理由（例如构建程序包并且您希望避免依赖性），否则附加程序包可以使您的代码更具可读性和可维护性。

library(dplyr)
output <- 
  df %>%
  group_by(year, occupation) %>%
  mutate(percent = round(value / sum(value) * 100, 1))

这种方法的另一个好处是它可以添加到原始数据结构中比聚合更干净的方式，默认情况下产生可用但不漂亮的结果。

这个vignette有很多这些类型的数据操作任务的很好的例子。 dplyr/tidyr cheatsheet对这些任务也很有帮助。

我的回答依赖于dplyr，因为这是我的工具;肯定有其他人（plyr，data.table）可能更适合某项任务。我仍然喜欢dplyr这个问题，但我提到了其他选项，因为总是值得考虑the best tool for the job。

如何计算一列不同行的百分比？

1 个答案: