从值和计数属性聚合数据答案

【问题标题】：Aggregating data from value and count attributes从值和计数属性聚合数据
【发布时间】：2017-05-29 13:41:29
【问题描述】：

在 R 中，我有一个大型数据框列表，包含两列 value 和 count。我在上一步中使用的函数返回value 中的观察值，对应的列count 显示该特定值已被观察到的次数。以下代码生成 one 数据框作为示例 - 但是列表中的所有数据框确实具有不同的值。取值范围：

d <- as.data.frame(
  cbind(
    value = runif(n = 1856, min = 921, max = 4187),
    count = runif(n = 1856, min = 0, max = 20000)
  )
)

现在我想汇总数据以创建可视化的可视化。此聚合应应用于列表中的所有数据帧，每个数据帧都有不同的值范围。我正在寻找一个函数，将数据切割成新的值和计数，有点像直方图函数。因此，例如，对于值从 0 到 100 的所有数据，应将计数求和（依此类推，在定义的区间内，以干净的区间边界起点（如 0）为起点）。

我的第一次尝试是创建一个简单的值向量，其中每个值重复的次数由count 字段确定。然后，下一步将应用hist() 函数而不进行绘图以获得可以在hist() 的参数中定义的聚合值和计数。但是，这会产生 R 无法再处理的太大向量（每个 Gb）。我感谢任何解决方案或提示！

【问题讨论】：

标签： r aggregate classification histogram

【解决方案1】：

我不完全确定我是否正确理解了您的问题，但这可能会解决您的问题或至少为您指明方向。我制作了一个数据帧列表，然后生成一个新列，其中包含使用purrr 包中的map 将binfunction 应用于每个数据帧的结果。

library(tidyverse)

d1 <- d2 <- tibble(
  value = runif(n = 1856, min = 921, max = 4187),
  count = runif(n = 1856, min = 0, max = 20000)
)

d <- tibble(name = c('d1', 'd2'), data = list(d1, d2))

binfunction <- function(data) {
  data %>% mutate(bin = value - (value %% 100)) %>% 
    group_by(bin) %>% 
    mutate(sum = sum(count)) %>% 
    select(bin, sum)
}

d_binned <- d %>% 
  mutate(binned = map(data, binfunction)) %>% 
  select(-data) %>% 
  unnest() %>% 
  group_by(name, bin) %>% 
  slice(1L)

d_binned
#> Source: local data frame [66 x 3]
#> Groups: name, bin [66]
#> 
#> # A tibble: 66 x 3
#>     name   bin      sum
#>    <chr> <dbl>    <dbl>
#>  1    d1   900 495123.8
#>  2    d1  1000 683108.6
#>  3    d1  1100 546524.4
#>  4    d1  1200 447077.5
#>  5    d1  1300 604759.2
#>  6    d1  1400 506225.4
#>  7    d1  1500 499666.5
#>  8    d1  1600 541305.9
#>  9    d1  1700 514080.9
#> 10    d1  1800 586892.9
#> # ... with 56 more rows

d_binned %>% 
  ggplot(aes(x = bin, y = sum, fill = name)) +
  geom_col() + 
  facet_wrap(~name)

请参阅this comment 了解我的分箱灵感。它将数据分组为 100 个组，例如bin 1100 代表 1100 到 binfunction。

【讨论】：