如何使用dplyr根据组上的聚合函数计算新列(在摘要统计信息上添加汇总统计信息)?

时间:2017-02-13 21:01:07

标签: r join dplyr aggregate summary

我经常需要为R数据帧(长格式)计算新列,其值应取决于组的聚合函数(例如总和)。例如,我可能想知道任何一天产品占销售额的比例:

daily fraction = revenue for product i on day d / sum or revenue for all products on day d

我目前的策略是总结并加入:

library(dplyr)

join_summary <- function(data, ...) left_join(data, summarise(data, ...))

data = data.frame(
  day = c(1,1,2,2,3,3),
  product = rep(c("A", "B"), 3),
  revenue = c(2, 4, 8, 7, 9, 2)
)

data2 <- data %>%
  group_by(day) %>%
  join_summary(daily_revenue = sum(revenue)) %>%
  mutate(revenue_fraction = revenue / daily_revenue)

这有效,但我不确定它是否是反模式。在多行上重复相同的数据(每日收入)似乎有点低效,使用聚合乱丢我的数据框。我的问题是:

  • 我目前的做法是否正常?
  • 有没有更好的方法,最好使用dplyr或更广泛的Hadleyverse的工具?
  • 我真的需要自定义函数join_summary,还是可以使用现有的dplyr动词完成? (尽管如此,我更愿意留在&#34;管道流#34;)

1 个答案:

答案 0 :(得分:7)

除了使用summarise进行汇总外,您还可以使用mutate将摘要统计信息分配到完整列:

data %>% 
  group_by(day) %>% 
  mutate(
    daily_revenue = sum(revenue), 
    revenue_fraction = revenue / daily_revenue
  )

给出了

Source: local data frame [6 x 5]
Groups: day [3]

    day product revenue daily_revenue revenue_fraction
  <dbl>  <fctr>   <dbl>         <dbl>            <dbl>
1     1       A       2             6        0.3333333
2     1       B       4             6        0.6666667
3     2       A       8            15        0.5333333
4     2       B       7            15        0.4666667
5     3       A       9            11        0.8181818
6     3       B       2            11        0.1818182

这是有效的,因为值sum(revenue)被回收以填充组中的所有行。