对按频率排序的数据使用聚合

Question

通过在我的数据框clean_data 上使用这个 R 命令，我可以获得前 100 个最常见的诊断。

head(sort(table(clean_data$Diagnosis),decreasing = TRUE),n = 100)

我可以获得每个诊断的平均“索赔金额”，如下所示：

aggregate(clean_data$Claimed.Amount,list(clean_data$Diagnosis),mean)

但它们在诊断字段中按字母顺序排列。

我如何结合这两种方法来获得按诊断分组但按顶部最常见的排序的聚合平均列表。只说频率排名前 100 的诊断。

Answer 1

重新格式化您的问题

您真的应该学会以简单、可重复的方式向您提问。例如，我认为这是对您的问题的等效描述：

set.seed(0)  ## set random seed for reproducibility
## some toy data, open access to everyone to play with
## use simply variable name `x`, `y`, `foo`, not those from special context
foo <- data.frame(y = runif(100),
                  x = sample(letters[1:4], 100, replace = TRUE))
## result from table:
sort(table(foo$x), decreasing = TRUE)

 # c  b  a  d 
 # 33 25 21 21 

## your call to aggregation
aggregate(y ~ x, foo, mean)

## the undesired output you see
  x         y
1 a 0.5537179
2 b 0.5263702
3 c 0.4358863
4 d 0.6145186

这是你想要的输出：

  x         y
1 c 0.4358863
2 b 0.5263702
3 a 0.5537179
4 d 0.6145186

如果您以上述方式提出问题，人们更容易理解和帮助。这种转变是一项重要的技能。

一种可能的解决方案

你可以试试这个：

## store the result of table() and aggregate()
count <- sort(table(foo$x), decreasing = TRUE)
oo <- aggregate(y ~ x, foo, mean)
## reordering
oo <- oo[match(names(count), oo$x), ]
rownames(oo) <- 1:length(count)

  x         y
1 c 0.4358863
2 b 0.5263702
3 a 0.5537179
4 d 0.6145186

如果您想将count 附加到oo，请执行以下操作：

oo$count <- as.integer(count)
oo

  x         y count
1 c 0.4358863    33
2 b 0.5263702    25
3 a 0.5537179    21
4 d 0.6145186    21