当每个条件的总数不同时计算平均值答案

【问题标题】：Calculating the mean value when the total is different per condition当每个条件的总数不同时计算平均值
【发布时间】：2021-08-12 13:01:13
【问题描述】：

我正在与 R 合作。

在这里我分享我的数据样本...

structure(list(column_a = c("1_1", "1_1", "1_2", "1_2", "1_2", 
"2_1", "2_2", "2_2", "3_1", "3_2"), column_b = c("kitchen", "tree", 
"hate", "kind", "table", "dog", "human", "car", "moon", "rage"
)), row.names = c(NA, -10L), class = c("tbl_df", "tbl", "data.frame"
))

   column_a column_b
1       1_1  kitchen
2       1_1     tree
3       1_2     hate
4       1_2     kind
5       1_2    table
6       2_1      dog
7       2_2    human
8       2_2      car
9       3_1     moon
10      3_2     rage

我需要计算条件（1_1、1_2 等）产生的总单词的平均值。我遇到的唯一问题是以“_1”结尾的条件总数为 50，而以“_2”结尾的条件总数为 100。

因此，由于条件“1_1”产生了两个单词（在示例中），我应该通过 50 的潜水来计算平均值。这是 2/50 = 0.04。但是，在计算“1_2”条件的平均值时，我需要除以 100。这是 3/100 = 0.03。

考虑到某些条件需要按 50 计算，而其他条件需要按 100 计算，我需要创建一个列，该列具有条件产生的总单词的平均值。我怎样才能做到这一点并且仍然有结果在同一列？

【问题讨论】：

标签： r mean

【解决方案1】：

只需按组计数并计算平均值：

df %>% 
  group_by(column_a) %>% 
  add_count() %>% 
  summarise(mean_group = mean(n))

输出：

  column_a mean_group
  <chr>         <dbl>
1 1_1               2
2 1_2               3
3 2_1               1
4 2_2               2
5 3_1               1
6 3_2               1

【讨论】：

【解决方案2】：

您可以使用case_when 来包含一个新列 (divide)，它可以是 50 或 100，并除以组中的行数 (column_a)。

library(dplyr)

df %>%
  mutate(divide = case_when(endsWith(column_a, '_1') ~ 50, 
                            endsWith(column_a, '_2') ~ 100)) %>%
  group_by(column_a) %>%
  mutate(value = n()/divide) %>%
  ungroup

#   column_a column_b divide value
#   <chr>    <chr>     <dbl> <dbl>
# 1 1_1      kitchen      50  0.04
# 2 1_1      tree         50  0.04
# 3 1_2      hate        100  0.03
# 4 1_2      kind        100  0.03
# 5 1_2      table       100  0.03
# 6 2_1      dog          50  0.02
# 7 2_2      human       100  0.02
# 8 2_2      car         100  0.02
# 9 3_1      moon         50  0.02
#10 3_2      rage        100  0.01

也与add_count类似-

library(dplyr)

df %>%
  mutate(divide = case_when(endsWith(column_a, '_1') ~ 50, 
                            endsWith(column_a, '_2') ~ 100)) %>%
  add_count(column_a) %>%
  mutate(value = n/divide) 
  ungroup

【讨论】：

【解决方案3】：

使用data.table

library(data.table)
setDT(df)[, n := .N, column_a][, .(mean_group = mean(n)), by = column_a]

【讨论】：

【解决方案4】：

使用ave + endsWith 的基本 R 选项

transform(
  df,
  value = ave(column_a,
    column_a,
    FUN = function(x) length(x) / ifelse(endsWith(x, "_1"), 50, 100)
  )
)

给予

   column_a column_b value
1       1_1  kitchen  0.04
2       1_1     tree  0.04
3       1_2     hate  0.03
4       1_2     kind  0.03
5       1_2    table  0.03
6       2_1      dog  0.02
7       2_2    human  0.02
8       2_2      car  0.02
9       3_1     moon  0.02
10      3_2     rage  0.01

【讨论】：