我有65524个观察值的小标题,其中一个变量是一个家庭的ID,而另一个变量是一个变量,如果该家庭中的人的年龄小于15岁,则将1
的值赋给该变量。 。,如果年龄在15到64之间,则分配2
,如果该人的年龄在65岁以上,则分配3
。小标题看起来像这样
> head(df, 15)
# A tibble: 15 x 2
hh.id age.cat
<dbl> <dbl+lbl>
1 11009 2
2 11009 2
3 11009 2
4 11009 2
5 11009 2
6 11009 1
7 11009 1
8 11009 1
9 11018 2
10 11018 1
11 11018 1
12 11018 1
13 11018 1
14 11018 2
15 11018 2
我需要创建一个变量来估计每个家庭的受抚养率。与此类似
> head(df, 15)
# A tibble: 15 x 3
hh.id age.cat dep.ratio
<dbl> <dbl+lbl><dbl>
1 11009 2 0.60
2 11009 2 0.60
3 11009 2 0.60
4 11009 2 0.60
5 11009 2 0.60
6 11009 1 0.60
7 11009 1 0.60
8 11009 1 0.60
9 11018 2 1.25
10 11018 1 1.25
11 11018 1 1.25
12 11018 1 1.25
13 11018 1 1.25
14 11018 2 1.25
15 11018 2 1.25
我认为使用dplyr::mutate
和dplyr::group_by
会有用
df <- df %>%
dplyr::group_by(hh.id) %>%
dplyr::mutate(dep.ratio = (length(which(df$age.cat == 1)) + length(which(df$age.cat == 3)))/length(which(df$age.cat == 2)))
但是,我没有得到每个组(即每个家庭)的估计数,但是我得到了整个样本的总体依赖率,对每个观察都重复了一次。
# A tibble: 15 x 3
# Groups: hh.id [2]
hh.id age.cat dep.ratio
<dbl> <dbl+lbl> <dbl>
1 11009 2 1.02
2 11009 2 1.02
3 11009 2 1.02
4 11009 2 1.02
5 11009 2 1.02
6 11009 1 1.02
7 11009 1 1.02
8 11009 1 1.02
9 11018 2 1.02
10 11018 1 1.02
11 11018 1 1.02
12 11018 1 1.02
13 11018 1 1.02
14 11018 2 1.02
15 11018 2 1.02
然后我考虑使用tapply
,但是我无法编写一个以hh.id
的值为条件的函数。最后,我也尝试了aggregate
,但没有任何运气。
欢迎任何建议。
谢谢
Manolo
答案 0 :(得分:0)
这是一个选择:
ratiodf<- df %>% group_by(hh.id,age.cat) %>%
summarize(n=n()) %>%
spread(age.cat,n) %>%
mutate(ratio=(`1`+`3`)/`2`)
这会给你这样的东西:
# A tibble: 2 x 4
# Groups: hh.id [2]
hh.id `1` `2` ratio
<int> <int> <int> <dbl>
1 11009 3 5 0.6
2 11018 4 3 1.33
如果您需要保留原始df中的数据(例如其他列),则可以继续进行left_join:
left_join(df, ratiodf[,c(-2:-3)], by="hh.id")
这将导致以下结果:
hh.id age.cat ratio
1 11009 2 0.600000
2 11009 2 0.600000
3 11009 2 0.600000
4 11009 2 0.600000
5 11009 2 0.600000
6 11009 1 0.600000
7 11009 1 0.600000
8 11009 1 0.600000
9 11018 2 1.333333
10 11018 1 1.333333
11 11018 1 1.333333
12 11018 1 1.333333
13 11018 1 1.333333
14 11018 2 1.333333
15 11018 2 1.333333
您的代码无法正常工作的原因是,一旦您将基本格式设置为df$hh.id
等,就可以绕过tidyverse分组并获得完整的列。