R data.table 条件总和：更清洁的方式答案

【问题标题】：R data.table Conditional Sum: Cleaner wayR data.table 条件总和：更清洁的方式
【发布时间】：2015-05-10 13:06:19
【问题描述】：

这当然是一个经常遇到的问题，所以我在这里期待很多关于这个的问题。但是，我能找到的所有答案都非常针对问题，并且经常遇到解决方法（您不必这样做，foobar 在这种情况下要好得多）或非 data.table 解决方案.也许这是因为它应该是 data.table 的明智之举

我有一个 data.table，其中包含 tentgelt 和 te_med 的年度数据。对于每一年，我想知道tentgelt > te_med 的观察份额。这就是我正在做的：

# note that nAbove and nBelow do not add up to 1
nAbove <- wages[tentgelt > te_med, list(nAbove = .N), by=list(year)]
nBelow <- wages[tentgelt < te_med, list(nBelow = .N), by=list(year)]
nBelow[nAbove][, list(year, foo=nAbove/(nAbove+nBelow))]

这可行，但每当我看到其他人的 data.table 代码时，它看起来比我的解决方法更清晰、更容易。有没有更简洁的方法来获得以下类型的输出？

   year       foo
 1: 1993 0.2372093
 2: 1994 0.1567568
 3: 1995 0.8132530
 4: 1996 0.1235955
 5: 1997 0.1065574
 6: 1998 0.3070684
 7: 1999 0.1491974

这是我的数据示例：

   year tentgelt    te_med
 1: 2010   120.95  53.64929
 2: 2010     9.99 116.72601
 3: 2010   113.52  53.07394
 4: 2010    10.27  38.45728
 5: 2010    48.58 124.65753
 6: 2010    96.38  86.99060
 7: 2010     3.46  65.75342
 8: 2010   107.52  91.87592
 9: 2010   107.52  42.92953
10: 2010     3.46  73.92328
11: 2010    96.38  85.23419
12: 2010     2.25  79.19995
13: 2010    42.32  35.75757
14: 2010     7.94  93.44305
15: 2010   120.95 113.41370
16: 2010     7.94 110.68628
17: 2010   107.52 127.30682
18: 2010     2.25 103.49036
19: 2010   120.95 123.62054
20: 2010    96.38  68.57532

对于此示例，预期输出应为：

   year   V2
1: 2010 0.45

【问题讨论】：

开头段落属于评论，而不是问题......无论如何，这就是我要放的地方。这就是Meta Stack Overflow 上的人们所说的“噪音”

标签： r data.table

【解决方案1】：

试试这个

wages[, list(foo= sum(tentgelt > te_med)/.N), by = year]
#    year  foo
# 1: 2010 0.45

【讨论】：

我想他说这两个不加为1，所以你需要除以(tentgelt>te_med)/((tentgelt>te_med)+(tentgelt<te_med)而不是.N
@Jason OPs 代码不起作用。即使它可以工作，他们也不会使用它达到所需的输出，因为9/11 != 0.45，而 Yevgeny 做了9/20 = 0.45，这是所需的输出。无论哪种方式，为了模仿 OP 的原始代码，都可以这样做 wages[, .(foo = {temp <- sum(tentgelt > te_med) ; temp/(.N-temp)}), by= year]
一个后续：在样本数据中te_med没有丢失。如果允许te_med 为NAN，我是否必须将na.rm=TRUE 放入所有三个总和中？
您的选项是正确的，但如果您希望 .N 答案起作用，您需要将 !is.na(te_med) 作为条件添加到 data.table