Question

目标：以更有效的方式（例如函数）计算几个子组的加权比例。需要通过所有组合中的两个变量（var1，var2）子集并计算结果的加权比例（var3）。在R中工作（但也欢迎使用python解决方案）。

代表：

# Reprex
library(dplyr)
library(weights)

df <- data.frame(
  var1 = c(1, 1, 1, 2, 1, 2, 1, 2, 2, 1),
  var2 = c(1, 2, 2, 3, 3, 3, 2, 1, 2, 2),
  var3 = c("A", "B", "A", "A", "A", "B", "A", "B", "A", "A"),
  weight = rnorm(10)
)

# sub1 
sub <- filter(df, var1 == 1 & var2 == 3)
round(weights::wpct(sub$var3, weight = sub$weight), digits = 2)

# sub2
sub <- filter(df, var1 == 2)
round(weights::wpct(sub$var3, weight = sub$weight), digits = 2)

# sub3
sub <- filter(df, var2 == 2)
round(weights::wpct(sub$var3, weight = sub$weight), digits = 2)

# Looking for more efficient way to continue subgroups (with more vars and combinations)

Answer 1

使用data.table的{{1}}函数非常简单。该函数可用于计算多个变量内的所有分组以及整体分组的函数。但是，在cube中，我们遇到了一个小问题，因为它期望仅输出一个值，而函数data.table为wpct（x中的每个组提供一个值我们的情况）。幸运的是，该函数将其命名为输出，因此将结果封装为var3将使我们能够将其转换为可读格式。

result = list(weights::wpct(var3, weights))

分组显示在“ var1”和“ var2”中，这也会计算所有整体组（例如set.seed(1) library(data.table) library(weights) df <- data.frame( var1 = c(1, 1, 1, 2, 1, 2, 1, 2, 2, 1), var2 = c(1, 2, 2, 3, 3, 3, 2, 1, 2, 2), var3 = c("A", "B", "A", "A", "A", "B", "A", "B", "A", "A"), weight = rnorm(10) ) setDT(df) # Note that I use list(weights::wpct(var3, weight)), # because I want to keep the result in *one* column. res <- cube(df, j = c(list(result = list(weights::wpct(var3, weight)))), by = c('var1', 'var2')) res ## Output var1 var2 result 1: 1 1 1 2: 1 2 1.3907765,-0.3907765 3: 2 3 2.058925,-1.058925 4: 1 3 1 5: 2 1 1 6: 2 2 1 7: 1 NA 1.2394648,-0.2394648 8: 2 NA 1.03932354,-0.03932354 9: NA 1 -5.599793, 6.599793 10: NA 2 -0.7351568, 1.7351568 11: NA 3 1.7429624,-0.7429624 12: NA NA 0.92322427,0.07677573和var1 = 1和var2 = *any*）。但是，正如我在上面指出的那样，这个结果几乎是不可读的。不过，我们可以通过使用var1, var2 = *any*中的unnest_wider将tidyr列分解为更好的格式来简单地解决此问题

result

现在我们有了一种可读的格式，其中前两列指示分组，其余列指示变量library(dplyr) library(tidyr) res %>% unnest_wider(result) # A tibble: 12 x 4 var1 var2 A B <dbl> <dbl> <dbl> <dbl> 1 1 1 1 NA 2 1 2 1.39 -0.391 3 2 3 2.06 -1.06 4 1 3 1 NA 5 2 1 NA 1 6 2 2 1 NA 7 1 NA 1.24 -0.239 8 2 NA 1.04 -0.0393 9 NA 1 -5.60 6.60 10 NA 2 -0.735 1.74 11 NA 3 1.74 -0.743 12 NA NA 0.923 0.0768的每个值的结果。请注意，如果在var3 + NA的特定组中没有var3的值，则返回var1。

Answer 2

您可能会遇到这样的事情：

multi_filter <- function(data, ...)
{
  filter_vars <- rlang::enquos(...)
  all_vals <- lapply(filter_vars, function(x) {
    data %>% dplyr::summarize(vals = unique(!!x)) %>% dplyr::pull(vals)
    })
  val_df <- expand.grid(all_vals)
  only_first <- lapply(seq(nrow(val_df)), function(i) {
    filter(data, !!(filter_vars[[1]]) == val_df[i, 1])
  })
  only_second <- lapply(seq(nrow(val_df)), function(i) {
    filter(data, !!(filter_vars[[2]]) == val_df[i, 2])
  })
  both <- lapply(seq(nrow(val_df)), function(i) {
    filter(data, !!(filter_vars[[1]]) == val_df[i, 1] &
             !!(filter_vars[[2]]) == val_df[i, 2])
  })
  
  lapply(c(only_first, only_second, both), function(sub) {
    round(weights::wpct(sub$var3, weight = sub$weight), digits = 2)
  })
}

会产生每种组合，如下所示：

multi_filter(df, var1, var2)
#> [[1]]
#>    A    B 
#> 0.47 0.53 
#> 
#> [[2]]
#>    A    B 
#> 0.35 0.65 
#> 
#> [[3]]
#>    A    B 
#> 0.47 0.53 
#> 
#> [[4]]
#>    A    B 
#> 0.35 0.65 
#> 
#> [[5]]
#>    A    B 
#> 0.47 0.53 
#> 
#> [[6]]
#>    A    B 
#> 0.35 0.65 
#> 
#> [[7]]
#>     A     B 
#>  1.16 -0.16 
#> 
#> [[8]]
#>     A     B 
#>  1.16 -0.16 
#> 
#> [[9]]
#>    A    B 
#> 0.38 0.62 
#> 
#> [[10]]
#>    A    B 
#> 0.38 0.62 
#> 
#> [[11]]
#>    A    B 
#> 0.73 0.27 
#> 
#> [[12]]
#>    A    B 
#> 0.73 0.27 
#> 
#> [[13]]
#> A 
#> 1 
#> 
#> [[14]]
#> B 
#> 1 
#> 
#> [[15]]
#>    A    B 
#> 0.39 0.61 
#> 
#> [[16]]
#> A 
#> 1 
#> 
#> [[17]]
#> A 
#> 1 
#> 
#> [[18]]
#>   A   B 
#> 0.4 0.6

计算子组加权比例的有效方法？

2 个答案: