Question

假设有以下最小数据：

id    choice    relevant
1     0         0
1     0         1
1     1         1
2     1         0
2     0         1
2     0         1

我想计算id的每个值具有choice值1的时间百分比，但仅当relevant的值为1时才计算...并将其添加为我原始数据框的列。具体来说，我想：

id    choice    relevant   pct1
1     0         0          50
1     0         1          50
1     1         1          50
2     1         0          0
2     0         1          0
2     0         1          0

*已更新以获取子集。最初的方法（无需处理子集）很棒，我鼓励人们将原始答案保留为更一般的情况。但是，我尝试将原始解决方案从@DavideBottoli扩展到以下内容：

#let df stand in for the data frame above
x = df %>% group_by(id, relevant) %>% 
    mutate(pct1 = 100*sum(relevant==1 & choice==1)/n())

得到了这个：

id    choice    relevant    pct1
1     0         0          0
1     0         1          50
1     1         1          50
2     1         0          0
2     0         1          0
2     0         1          0

**进一步更新：问题比choice是整数的情况更为普遍......一个好的答案应该假设choice是一个分类变量，所以{{1}调用

是没有意义的

***进一步更新后：在撰写本文时，只有一种解决方案试图解决子集问题，并且由于未知原因，它生成了与用于实际问题的数据不同长度的向量。我最后只是在python中编写了一个快速for循环，只是将值写入电子表格。

Answer 1

catch (IndexOutOfRangeException) { //error message here }解决方案

data.table

Answer 2

library(dplyr)
df <- tibble(id = c(1,1,2,2), 
                 choice = c(0,1,0,0))

output <- df %>% 
  group_by(id) %>%
  mutate(pct1 = 100 * sum(choice == 1)/n())

很抱歉延迟，但如果您想更新第一个公式，可以使用以下内容：

library(dplyr)
df <- tibble(id = c(1,1,1,2,2,2), 
             choice = c(0,0,1,1,0,0),
             relevant = c(0,1,1,0,1,1))

output <- df %>% 
  group_by(id) %>%
  mutate(pct1 = 100 * sum(choice == 1 & relevant == 1)/sum(relevant == 1 ))

Answer 3

对ave

来说这是一项很好的任务

dt <- data.frame(id = c(1,1,2,2),
             choice = c(0,1,0,0))

within(dt, pct <- ave(choice, id, FUN = mean))

#   id choice pct1
# 1  1      0  0.5
# 2  1      1  0.5
# 3  2      0  0.0
# 4  2      0  0.0

编辑，考虑有问题的更新。

dt <- data.frame(id = c(1,1,1,2,2,2,3,3),
             choice = c(0,0,"A","A","B",0,0,0), relevant = c(0,1,1,0,1,1,0,0))

chosen_value = "A"

# we use by to apply custom function to data frames split by id
within(dt, pct <- unlist(by(dt, dt$id, function(x) 
rep(
    if (sum(x$relevant == 1) == 0) 0 else {
    mean((x$choice == chosen_value)[x$relevant == 1])}
    , nrow(x))
)))

#   id choice relevant pct
# 1  1      0        0 0.5
# 2  1      0        1 0.5
# 3  1      A        1 0.5
# 4  2      A        0 0.0
# 5  2      B        1 0.0
# 6  2      0        1 0.0
# 7  3      0        0 0.0
# 8  3      0        0 0.0

Answer 4

在基地R：

df$pct <- 100*tapply(df$choice, df$id, mean)[df$id]

对于具有relevant == 1的子集：

df$pct <- 100*tapply(df$choice, df[, c('id', 'relevant')], mean)[df$id, "1"]

Answer 5

对于您的示例，此代码将完成此任务：

library(dplyr)
df <-data.frame(id = c(1,1,2,2),
           choice = c(0,1,0,0))

df %>% group_by(id) %>%
      mutate(percent=mean(choice)*100)

# A tibble: 4 x 3
# Groups:   id [2]
     id choice percent
  <dbl>  <dbl>   <dbl>
1  1.00   0       50.0
2  1.00   1.00    50.0
3  2.00   0        0  
4  2.00   0        0

考虑使用mutate加group_by而不是summarise

Answer 6

dplyr解决方案：

df %>%
  filter(relevant==1) %>%
  group_by(id) %>%
  summarize(pct1 = 100*sum(choice==1)/n()) %>%
  right_join(df)

# # A tibble: 6 x 4
#      id  pct1 choice relevant
#   <dbl> <dbl>  <dbl>    <dbl>
# 1     1    50      0        0
# 2     1    50      0        1
# 3     1    50      1        1
# 4     2     0      1        0
# 5     2     0      0        1
# 6     2     0      0        1

将摘要统计信息放回主数据框中

6 个答案: