如果此问题已得到解答，我深表歉意 - 我只是找不到它！为简化起见，我有一个包含 2 个相关列的汽车数据框：里程和价格。我想计算 0-20,000 英里、20,000-40,000 英里等的平均价格和汽车数量（以 20,000 英里“箱子”为单位）。我一直在为各种里程范围制作数据子集，然后查看该子集的平均值和数量或车辆。我想知道是否有更有效的方法来做到这一点，而不是制作所有这些子集——我用各种“箱”和数据做了很多次。我很想学习一种更巧妙的方法。
谢谢！！
【问题讨论】：
标签： r
您可能希望按照以下方式进行：
library(data.table)
d = data.table(mileage = runif(1000, 0, 100000), price = runif(1000, 15000, 35000))
d[, list(price = mean(price), number = .N),
by = cut(mileage, c(0, 20000, 25000, 30000, 100000))][order(cut)]
# cut price number
# 1: (0,2e+04] 25252.70 215
# 2: (2e+04,2.5e+04] 25497.66 46
# 3: (2.5e+04,3e+04] 25349.79 45
# 4: (3e+04,1e+05] 25037.93 694
【讨论】：
cut 在这里更有意义！ （+1）。
这显示了如何使用聚合在一次运行中按类别返回多个统计信息。
# Using Quentin's data
d[['mileage.cat']] <- cut(d$mileage, breaks=seq(0, 200000, by= 20000))
aggregate(d$price, d['mileage.cat'] ,
FUN=function(price) c(counts=length(price),
mean.price=mean(price) ) )
mileage.cat x.counts x.mean.price
1 (0,2e+04] 212.00 24859.01
2 (2e+04,4e+04] 194.00 24343.16
3 (4e+04,6e+04] 196.00 24357.73
4 (6e+04,8e+04] 191.00 25006.71
5 (8e+04,1e+05] 207.00 25250.23
【讨论】：
aggregate.formula，那么你的函数仍然可以是function(x) c(mean=mean(x), length=length(x) )
要制作垃圾箱，请“切”。示例：
x=1:10
bkpt=c(0,2.5,7.5,10)
x.cut=cut(x,breaks=bkpt)
就这样结束了。 y 是一些数据供以后使用：
y=21:30
data.frame(x,x.cut,y)
要计算每个组的值，请使用 tapply。按照我的例子：
tapply(y,x.cut,length)
tapply(y,x.cut,mean)
它计算 (a) y 的数量和 (b) x.cut 定义的每个组中 y 的平均值。
【讨论】：
另一种使用聚合的方法：
df <- data.frame(mil = sample(1e5,20),price = sample(1000,20) )
#mil2 is our "mile bin" ( 0 -> [0:20000[; 1 -> [20000:40000[ ...)
df$mil2 = trunc(df$mil /20000)
# then to get the mean by "mile bin":
aggregate(price ~ mil2,df,mean)
# or the number:
aggregate(price ~ mil2,df,length)
# or simply:
table(df$mil2)
【讨论】：