Question

我有一个data.table，其中包含Age，食物类别和消耗的kcal列。我试图获得每个类别的平均kcal，但是对于某些类别，该类别中没有消费。所以我不能采用简单的平均值，因为data.table中没有零。

所以对于示例数据：

dtp2 <- data.table(age = c(4,4,4,5,6,18), category = c("chips","vegetables","pizza","chips","pizza","beer"), kcal = c(100,5,100,120,100,150))

只是做dtp2[,mean(kcal),by=category]给出了错误的答案，因为只有18岁的人正在喝啤酒，4-17岁的人不会。

实际数据集是4:18岁，有很多很多类别。我已经尝试使用嵌套的for循环用零填充数据表用于省略的年龄，这非常慢，然后采用上述方法。

是否有一种合理的R方法取平均值kcal，其中假设缺失值为零，而没有嵌套的循环放入零？

Answer 1

我认为你想在计算中包含缺失值或0 kcal值。您可以按类别求和，而不是取平均值，除以每个类别的总n。

Answer 2

Make BufferedReader start from the middle of a .txt file rather than the beginning?相当通用，不会显示任何代码。提到这一点，OP的代码需要修改如下：

library(data.table)
dtp2[, sum(kcal) / uniqueN(dtp2$category), by = category]

返回

     category    V1
1:      chips 55.00
2: vegetables  1.25
3:      pizza 50.00
4:       beer 37.50

请注意uniqueN(dtp2$category)不仅仅使用uniqueN(category)，因为按1分组时始终为category。

然而，有些情况假设缺失值为零，没有嵌套for循环放入零，就像OP要求的那样。

当数据从长格式转换为宽格式以呈现数据时，可能会出现一种情况：

reshape2::dcast(dtp2, age ~ category, fun = mean, value.var = "kcal", margins = TRUE)

    age beer chips pizza vegetables     (all)
1     4  NaN   100   100          5  68.33333
2     5  NaN   120   NaN        NaN 120.00000
3     6  NaN   NaN   100        NaN 100.00000
4    18  150   NaN   NaN        NaN 150.00000
5 (all)  150   110   100          5  95.83333

这里，保证金平均值仅根据OP要求的可用数据计算。（请注意，参数fill = 0对边距的计算没有影响。）

因此，在重塑之前，需要填充缺失值。在基数R中，expand.grid()可用于此目的，在data.table它是交叉连接函数CJ()：

expanded <- dtp2[CJ(age, category, unique = TRUE), on = .(age = V1, category = V2) ][is.na(kcal), kcal := 0][] expanded

age category kcal 1: 4 beer 0 2: 4 chips 100 3: 4 pizza 100 4: 4 vegetables 5 5: 5 beer 0 6: 5 chips 120 7: 5 pizza 0 8: 5 vegetables 0 9: 6 beer 0 10: 6 chips 0 11: 6 pizza 100 12: 6 vegetables 0 13: 18 beer 150 14: 18 chips 0 15: 18 pizza 0 16: 18 vegetables 0

现在，从长到宽的重塑将返回预期的结果：

reshape2::dcast(expanded, age ~ category, fun = mean, value.var = "kcal", margins = TRUE)

age beer chips pizza vegetables (all) 1 4 0.0 100 100 5.00 51.2500 2 5 0.0 120 0 0.00 30.0000 3 6 0.0 0 100 0.00 25.0000 4 18 150.0 0 0 0.00 37.5000 5 (all) 37.5 55 50 1.25 35.9375

当一些年龄缺失时，R平均超过年龄

2 个答案: