条件过滤后的统计答案

【问题标题】：Statistics after conditional filtering条件过滤后的统计
【发布时间】：2020-10-04 19:01:07
【问题描述】：

如果已经在其他地方提出过这个问题，请提前道歉。

我有多个数据框（25 列和 > 1000 行），如下所示：

> head(Amsterdam_C02 <- Amsterdam %>% filter(Chemicals == "CO2"))
  Sample_ID Locality.Name       Chemicals  
1 VKB19xxxxxx     Amsterdam        CO2     
2 VKB19xxxxxx     Amsterdam        CO2     
3 VKB1xxxxxxx     Amsterdam        CO2     
4 VKB1xxxxxxx     Amsterdam        CO2     
5 VKB1xxxxxxx     Amsterdam        CO2     
6 VKB1xxxxxxx     Amsterdam        CO2      
End.Date  Less.Than Activity.Value  Measuring.Unit 
1 2019-01-31  <      1.0714000     g/m³                                                      
2 2019-02-18         3.4609000     g/m³                                                     
3 2019-02-28  <      0.7020623     g/m³                                                      
4 2019-04-25         4.5563282     g/m³                                                      
5 2019-05-20         1.6000000     g/m³                                                       
6 2019-05-22  <      0.6000000     g/m³

我希望得到Activity.Value的均值、最大值、最小值和sd，按月份分类，只有当Less.Than不是“（“

此外，我希望 R 返回未考虑在内的全年所有值的平均值（每月未分类），因为 Less.Than 是“

我做了不同的尝试，但都没有正常工作，我更愿意寻求您的帮助。

If Less.Than == "<"???
为了每月过滤，我已经尝试了 %>% filter(grepl("2019-01") 12 次，但如果可能的话，我更愿意避免手动进行，因为我还有其他数据框可以对其进行类似的分析。

【问题讨论】：

标签： r filter dplyr

【解决方案1】：

很遗憾，您拥有的数据数量非常有限。我已经从上面获取了第二个数据 - 因为你的问题不需要考虑前半部分。

Less.Than 列更改为 mutate，以便在缺少 sd 的结果显示 NA，因为没有足够的数据，您可以从摘要中的数据数量 n 看到。

然后过滤所有 End.Date 中具有 NA 的行，按月分组并使用 dplyr 中的 summarise。

新编辑：df 是一个 data.frame，您可以在 class(df) 看到。你也可以看看here。然后我做了两个选择。一个是过滤 Less.Than 中的所有 NA。这些是没有“

library(tidyverse)

df <- tribble(
  ~End.Date,  ~Less.Than, ~Activity.Value, 
   '2019-01-31',  '<' ,     1.0714000,                                                      
   '2019-02-18',   '' ,     3.4609000,                                                     
   '2019-02-28',  '<' ,     0.7020623,                                                      
   '2019-04-25',  '' ,     4.5563282,                                                      
   '2019-05-20',  '' ,     1.6000000,                                                       
   '2019-05-22',  '<' ,     0.6000000,
   '2019-05-22',  '<' ,     0.7000000
)
df$End.Date <- as.Date(df$End.Date)

df
#> # A tibble: 7 x 3
#>   End.Date   Less.Than Activity.Value
#>   <date>     <chr>              <dbl>
#> 1 2019-01-31 "<"                1.07 
#> 2 2019-02-18 ""                 3.46 
#> 3 2019-02-28 "<"                0.702
#> 4 2019-04-25 ""                 4.56 
#> 5 2019-05-20 ""                 1.6  
#> 6 2019-05-22 "<"                0.6  
#> 7 2019-05-22 "<"                0.7
# here you can see that the df is a data.frame
class(df)
#> [1] "tbl_df"     "tbl"        "data.frame"

df %>% 
  mutate(Less.Than = ifelse(Less.Than != '<', NA, Less.Than)) %>% 
  # what follows filters the rows which contain NA
  dplyr::filter(is.na(Less.Than)) %>% 
  group_by(months(End.Date)) %>% 
  summarise(
    sum = sum(Activity.Value),
    min = min(Activity.Value),
    sd = sd(Activity.Value),
    n = n())
#> # A tibble: 3 x 5
#>   `months(End.Date)`   sum   min    sd     n
#>   <chr>              <dbl> <dbl> <dbl> <int>
#> 1 April               4.56  4.56    NA     1
#> 2 Februar             3.46  3.46    NA     1
#> 3 Mai                 1.6   1.6     NA     1

df %>% 
  mutate(Less.Than = ifelse(Less.Than != '<', NA, Less.Than)) %>% 
  # what follows filters the rows which DO NOT contain NA
  # or in your words these rows possess a "<"
  dplyr::filter(!is.na(Less.Than)) %>% 
  group_by(months(End.Date)) %>% 
  summarise(
    sum = sum(Activity.Value),
    min = min(Activity.Value),
    sd = sd(Activity.Value),
    n = n())
#> # A tibble: 3 x 5
#>   `months(End.Date)`   sum   min      sd     n
#>   <chr>              <dbl> <dbl>   <dbl> <int>
#> 1 Februar            0.702 0.702 NA          1
#> 2 Januar             1.07  1.07  NA          1
#> 3 Mai                1.30  0.6    0.0707     2

^{由reprex package (v0.3.0) 于 2020 年 6 月 15 日创建}

【讨论】：

我不确定你的意思。你的评论有什么遗漏吗？
抱歉数据有限。无论如何，谢谢你的提议。我有 3 条评论。对于上面给出的示例，您的脚本应该为 1 月的 4 个统计信息返回“-”，因为必须省略 Activity.Value，因为 Less.Than 是“
我通过更改过滤器再次编辑了答案。一月现在没有显示，二月给出了你期望的结果-
谢谢四位您的提议。我仍然无法计算在 Less.Than 中具有“

【解决方案2】：

你可以使用aggregate:

可重现的数据：

df <- data.frame(
  Date = c("2019-01-31", "2019-02-18", "2019-02-28", "2019-04-25", "2019-05-20", "2019-05-02"),
  Less.than = c("", "<", "", "<", "", ""),
  Activity.level = c(1.0714000, 3.4609000, 0.7020623, 0.7020623, 4.5563282, 1.6000000))

求均值的解法：

aggregate(df$Activity.level[!df$Less.than=="<"], by = list(sub("-(\\d+)-", "-\\1-", df$Date[!df$Less.than=="<"])), mean)
     Group.1         x
1 2019-01-31 1.0714000
2 2019-02-28 0.7020623
3 2019-05-02 1.6000000
4 2019-05-20 4.5563282

对于其他统计信息，请相应地替换mean。

【讨论】：