如何打印因子水平汇总统计的最小值和最大值（取中位数/比例的最小值和最大值）？答案

【问题标题】：How to print the minimum and maximum of factor level summary statistics (taking minimum and maximum of medians/proportions)?如何打印因子水平汇总统计的最小值和最大值（取中位数/比例的最小值和最大值）？
【发布时间】：2020-09-12 11:50:32
【问题描述】：

我有如下数据，包括 10 个产品（a、b、c、...），以及它们的描述（其他变量）。

我需要报告产品之间其他变量（中位数/比例）的汇总统计数据范围（应打印为每个汇总统计值的最小值和最大值）。

例如：

哪个产品的中位价最低，哪个最高（只需要报告两个值，产品名称无关紧要）。

哪个产品的“差”评级比例最低和最高（只需报告两个值，产品名称无关紧要）。

有没有简单的编码方法？我的实际数据有 10,000 种产品和 150 个其他变量，目测汇总表会害死我。

数据

```{r}
data.frame(
product = rep(letters[1:10], each = 2, times = 500),
price = rnorm(1000, 100, 30),
weight = rnorm(1000, 8, 2),
price_category = rep(c("expensive", "cheap"), each = 4, times = 250),
rating = replicate(1,sample(c("good", "bad"),1000,rep=TRUE)))
```

【问题讨论】：

标签： r summary summarize

【解决方案1】：

您可以查看dplyr 包，这样可以轻松回答此类问题。

哪个产品的中位价最低，哪个中位价最高

library(dplyr)
df %>%
  group_by(product) %>%
  summarise(median_price = median(price)) %>%
  slice(which.min(median_price), which.max(median_price))

#  product median_price
#  <chr>          <dbl>
#1 f               91.9
#2 e              107.

哪个产品的“差”评级比例最低和最高

df %>%
  group_by(product) %>%
  summarise(prop_of_bad_ratings = mean(rating == 'bad')) %>%
  slice(which.min(prop_of_bad_ratings), which.max(prop_of_bad_ratings))

#  product prop_of_bad_ratings
#  <chr>                 <dbl>
#1 j                      0.44
#2 c                      0.55

【讨论】：

谢谢！这似乎很有希望。只有两件事。有没有办法一次总结所有连续变量？其次，“评分”是一个分类变量。如何获取每个产品的好评与差评的比例，然后报告它们的最小值和最大值？
总而言之，您的意思是全部接受median 吗？您可以为此使用df %>% group_by(product) %>% summarise(across(where(is.numeric), median))。对于第二个问题，您也可以对'good' 评分执行与上述答案 2 相同的操作，然后根据需要合并结果。

【解决方案2】：

您也可以使用数据表。 := 运算符通过使用 by 在价格列上分组来进行就地分配（在本例中创建一个新的中位数列）争论。然后你可以找到最小值和最大值。 .N 运算符获取数据值个数的计数。

library(data.table)
  
dt <- data.table(data.frame(
    product = rep(letters[1:10], each = 2, times = 500),
    price = rnorm(1000, 100, 30),
    weight = rnorm(1000, 8, 2),
    price_category = rep(c("expensive", "cheap"), each = 4, times = 250),
    rating = replicate(1,sample(c("good", "bad"),1000,rep=TRUE))))
  
dt[, medians := median(price), by=product]

# Highest and lowest median price
dt[c(which.min(medians), which.max(medians)), medians]

# Calculate proportions of each product
dt[, prodcount := .N, by=product]
dt[, percent := 100 * (.N / prodcount), by=.(rating, product)]
bad <- dt[rating == 'bad',]
bad[c(which.min(percent), which.max(percent))]

【讨论】：