R - 计算列中的观测值（字符串）并计算为总体观测值的百分比

Question

嗨，有一些看起来像这样的数据：

ID   Item     Class  Value  Date
1    Eggs     A      5      07/07/21
2    Eggs     A      4.5    07/07/21
3    Cereal   C      2      07/07/21
4    Eggs     B      3.5    07/07/21
5    Bread    B      2.5    07/07/21
6    Juice    A      3      07/07/21
7    Juice    C      1.5    07/07/21
8    Eggs     C      2      07/07/21
9    Bread    A      3      07/07/21
10   Juice    A      3      07/07/21

这只是一个示例，实际数据大约有 8k 行（并且有 300 多个数据帧）。我想创建一个新的 df

1. 计算Item列中观察值的百分比（例如列中有10个项目，其中Eggs有4个，因此Eggs的百分比为40）
2. 计算每个Item 组的平均Value

理想情况下，最终数据应如下所示：

Item    Percentage  Average_Value  Date
Eggs    40          3.75           07/07/21
Cereal  10          2              07/07/21
Bread   20          2.75           07/07/21
Juice   30          2.5            07/07/21

有几点需要注意 - 我想对 300 多个不同的 csv（我的数据存储在其中）执行此操作，并使用这些新信息创建一个 df。每个 csv 引用不同的日期，因此最终的 df 看起来像上面的样子，只有另外四行，但具有不同的值和不同的日期。我知道我需要为此使用 for 循环，也许我应该稍后弄清楚那部分，但我认为现在值得一提。最后，在某个时候，我可能还想计算Class 的平均值。我会更好地为此制作一个单独的 df，因为我看不出我还能如何做到这一点？

Answer 1

您可以使用aggregate 的aggregate 的Value ~ Item 的结果形式proportions 的proportions 的proportions 的结果Value ~ Item。如果Date 也需要在那里，可以使用cbind 或data.frame 添加。

merge(aggregate(cbind(Average_Value = Value) ~ Item, x, mean)
    , proportions(table(x$Item))*100
    , by.y=1, by.x="Item")[c(1,3,2)]
#    Item Freq Average_Value
#1  Bread   20          2.75
#2 Cereal   10          2.00
#3   Eggs   40          3.75
#4  Juice   30          2.50

或者只使用aggregate:

aggregate(Value ~ Item, x, function(y) c(Freq=length(y)/nrow(x)*100, Average=mean(y)))
#    Item Value.Freq Value.Average
#1  Bread      20.00          2.75
#2 Cereal      10.00          2.00
#3   Eggs      40.00          3.75
#4  Juice      30.00          2.50

Answer 2

这行得通吗：

library(dplyr)
df %>% group_by(Item) %>% summarise(Percentage = n()/nrow(df)*100, Average_Value = mean(Value))
# A tibble: 4 x 3
  Item   Percentage Average_Value
  <chr>       <dbl>         <dbl>
1 Bread          20          2.75
2 Cereal         10          2   
3 Eggs           40          3.75
4 Juice          30          2.5 

Answer 3

使用list.files 列出您要使用的所有文件。使用map_df 将它们合并到一个文件中，并为每个Date 计算Item 存在的百分比及其平均值。

library(tidyverse)

filenames <- list.files(pattern = '\\.csv$')

map_df(filenames, read_csv) %>%
  group_by(Date, Item) %>%
  summarise(Percentage = n(), 
            Average_Value = mean(Value)) %>%
  mutate(Percentage = prop.table(Percentage) * 100) %>%
  ungroup -> result

result

Answer 4

在tidyverse中执行这些步骤

• 将工作目录设置为存储 300 多个 csv 文件的目录
• 将所有 300 多个 csv 名称读入temp
• 假设每个 csv 名称都指向您的 date，否则您必须稍微调整一下代码
• 使用map 和imap_dfr 如下所述，您可以为每个文件只执行一次相同的代码，因此您将拥有一个数据帧

setwd('my/path/here')

temp <- list.files(pattern = '*.csv')

library(tidyverse)

map(temp, read.csv) %>% setNames(gsub('.csv', '', temp)) %>%
  imap_dfr(~ .x %>% group_by(item) %>%
         summarise(Percentage = n()/nrow(df)*100, 
                   Average_Value = mean(Value), .groups = 'drop') %>%
         mutate(Date = .y))

---

如果您的所有 csv 文件都包含日期列，请执行此操作

map_dfr(temp, ~read.csv(.x) %>% group_by(item, date) %>%
          summarise(Percentage = n()/nrow(df)*100, 
                    Average_Value = mean(Value), .groups = 'drop'))