Question

根据第3列和第4列的True / False值，我很难弄清楚如何对数值值进行划分：（col1）/（col2）。

我有500行数据，我正在尝试根据不同条件计算农作物的平均产量（千克农作物/公顷）。我正在尝试回答“如果第3列的条件为True而第4列的条件为False，则平均收益为多少？”

编辑：这是示例数据。

col 1   col2   col 3   col4
1.5     2.0     T       T
1.5     2.0     F       T
2.5     5.0     F       F
2.5     5.0     F       T

因此，例如，如果col3 = F且col4 = T，我就试图找到col1 / col2的平均值

谢谢！

Answer 1

您需要根据两个条件对数据进行子集化。您可以使用[col3 & !col4]来做到这一点，就像这样：

mean(with(data,col1[col3 & !col4]/col2[col3 & !col4]))

（{with是一种不必每次都写data$的简便方法。）

例如，这是一些假数据：

data<-data.frame(col1=1:5,col2=10:6,col3=c(TRUE,TRUE,TRUE,FALSE,FALSE),col4=c(FALSE,TRUE,FALSE,FALSE,TRUE))

这是您从我的解决方案中获得的信息：

mean(with(data,col1[col3 & !col4]/col2[col3 & !col4]))
[1] 0.2375

Answer 2

这是使用tidyverse的解决方案。

首先，我使用函数data.frame创建可复制的数据集。

n <- 100
df <- data.frame(
  kg = runif(n),
  ha = runif(n),
  col3 = sample(c(TRUE,FALSE), n, TRUE),
  col4 = sample(c(TRUE,FALSE), n, TRUE)
)

我们可以使用mutate来计算kg和ha变量的产量，group两种条件下的数据，最后summarize每种条件组合的平均产量。 / p>

df %>% 
  mutate(kg_ha = kg/ha) %>% 
  group_by(col3, col4) %>% 
  summarize(mean_yield = mean(kg_ha))

Answer 3

首先，我将创建一个可复制的数据集：

data<-data.frame("col1"=rnorm(500),"col2"=rnorm(500),
                 "col3"=c(rep(TRUE,250),rep(FALSE,250)),"col4"=c(rep(FALSE,250),rep(TRUE,250)))

如果我对您的理解正确，我想您的“（col1）/（col2）”对应于此处的“（kg作物/公顷）”。

如果是这样，则可以通过以下方式在数据集中为“ yield”创建一个新列（此处称为“ data”）

data$yield <- data$col1 / data$col2


head(data)
        col1         col2 col3  col4       yield
1  0.8976488  0.006764518 TRUE FALSE 132.6996029
2 -0.2829754  0.980092790 TRUE FALSE  -0.2887230
3 -0.2266733  1.285616004 TRUE FALSE  -0.1763149
4  1.4690071 -0.297252879 TRUE FALSE  -4.9419440
5 -0.1438242  0.917662116 TRUE FALSE  -0.1567289
6 -1.3297183 -0.880964698 TRUE FALSE   1.5093889

然后，可以使用多种方法来查看这些方法。一种“索引”方式是：

mean(data$yield[data$col3==T & data$col4==F])
[1] 1.929354

这是在询问，当col3的数据为True且col4的数据为False时，产量是多少。

但是，如果要汇总所有可能的组组合，则可以通过以下方式使用软件包dplyr：

install.packages("dplyr") # This will have to be run only the first time you use the package on one machine
library(dplyr) # This code will need to be run every new R session

data %>% group_by(col3,col4) %>% 
  summarise(
    MeanYield = mean(yield)
  )

# A tibble: 2 x 3
# Groups:   col3 [2]
  col3  col4  MeanYield
  <lgl> <lgl>     <dbl>
1 FALSE TRUE      20.4 
2 TRUE  FALSE      1.93

在这种情况下，只有两种可能性（col3 = T＆col4 = F）和（col3 = F＆col4 = T），但是代码为您提供了所有可能性。

作为后注：我知道负值可能对作物或公顷没有意义，我只是在这里使用rnorm来做到快速（尽管我的解释违背了快速实现的目的）。

如何计算包含正确/错误信息的条件和？

3 个答案: