按组计算行上的 MAPE

Question

我对房价数据集进行了 OLS 回归。我计算了每栋房屋的误差与预测值。我在数据框中有一列，其中包含每所房屋所属的城镇。我想计算每个城镇的 MAPE。我的数据框看起来像这样：

HomePr   Error      Town 

1390      0.40093  Clarkvile   
2010      0.348902 Petersburg  
2393      0.348902 Petersburg  
2000      0.348902 Clarkvile  
7030      0.348902 Pleasant Place  
4025      0.348902 Petersburg  
4000      0.348902 Millerstown 
2086      0.348902 Pleasant Place  
6058      0.348902 Schneider  
2000      0.348902 Jebtown 

我想通过Town 计算 MAPE。所以我的第一步是获取唯一Towns 的列表，然后使用共享该组的所有Errors 计算 MAPE。然后我想要一个新的专栏DF$Mape，它会给我 MAPE，它只使用每组 Town 中的房屋。

我不确定该怎么做。寻找建议。

Answer 1

像这样？

library(dplyr); library(tibble)

mape <- function(actual, forecasted){
  x = 0.1*((actual - forecasted)/actual)*100
  return(x)
}
tibble(
  HomePr = c(1390, 2010, 2393, 2000, 7030, 4025, 4000,
             2086, 6058, 2000),
  Error = c(0.40093, 0.348902, 0.348902, 0.348902, 0.348902,
            0.348902, 0.348902, 0.348902, 0.348902, 0.348902),
  Town = c("Clarkvile", "Petersburg", "Petersburg", "Clarkvile",  
           "Pleasant Place", "Petersburg", "Millerstown", "Pleasant Place",
           "Schneider", "Jebtown")
) %>% 
  group_by(Town) %>% 
  summarise(means_pr = mean(HomePr),
            means_err = mean(Error)) %>% 
  mutate(Mape = mape(means_pr, means_err))

结果：

# A tibble: 6 x 4
            Town means_pr means_err     Mape
           <chr>    <dbl>     <dbl>    <dbl>
1      Clarkvile 1695.000  0.374916 9.997788
2        Jebtown 2000.000  0.348902 9.998255
3    Millerstown 4000.000  0.348902 9.999128
4     Petersburg 2809.333  0.348902 9.998758
5 Pleasant Place 4558.000  0.348902 9.999235
6      Schneider 6058.000  0.348902 9.999424

更新： 根据下面的 cmets，（真实）数据集将 Town 作为一个因素。这可以简单地转换为字符，使用df <- df %>% mutate(Town = as.character(Town)，其中df是数据帧。