使用data.table聚合

本文介绍了使用data.table聚合的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 29岁程序员，3月因学历无情被辞！ 我正在寻找一种更简单的方法来汇总和计算使用 data.table 的数值变量的百分比。 以下代码输出所需的结果，我的问题是如果有一个更好的方法来获得相同的结果。我不是真的熟悉的包，所以任何提示将是有用的。 我想拥有以下列： second_factor_variable third_factor_variable factor_variable porc porcentaje 1：HIGH C> 200 0.04456544 4％ 2：低A 51 - 100 0.31739130 32％ 3：低A 101 - 200 0.68260870 68％ 4：低A 26 - 50 0.00000000 0％ 其中 porc 是数字百分比， porcentage 库（ggplot2）库（ggplot2 scale）库（data.table） ###生成一些数据 set.seed（123） df< - data.frame （x = rnorm（10000，mean = 100，sd = 50）） df 0） df $ factor_variable breaks = c（0，25，50，100，200，100000）， labels = c（0 - 25，26 - 50，51 - 100，101 - 200，> 200）） df $ second_factor_variable = c（0,100,100000）， labels = c（LOW，HIGH）） df $ third_factor_variable< - cut ，right = TRUE， breaks = c（0，50，100，100000）， labels = c（A，B，C））$ b b str（df） ### Aggregate DT dt = DT [，list（factor_variable = unique DT $ factor_variable）， porc = as.numeric（table（factor_variable）/ length（factor_variable））， porcentaje = paste（round（as.numeric 0）* 100），％）），by =second_factor_variable，third_factor_variable] EDIT 我试过用一个变量的agstudy解决方案分组，我相信它没有生产标签（porcentaje列）。在实际数据集中，我最终遇到了类似的问题，我不能发现这个函数的错误。 grp< ; - function（factor_variable）{ porc = as.numeric（table（factor_variable）/ length（factor_variable）） list（factor_variable = factor_variable [1]， porc = porc， porcentaje = paste（round（porc，0）* 100，％））} DT [，grp（factor_variable），by =second_factor_variable] 数值是正确的 DT2 表（DT2 $ factor_variable）/长度（DT2 $ factor_variable） / pre> 我相信如果我用2个因子变量分组，会出现相同的问题： DT [，grp（factor_variable），by =second_factor_variable，third_factor_variable] 解决方案 2更改：factorize porc 变量，不使用DT计算factor_variable DT [，{porc = as.numeric（table（factor_variable）/ length（factor_variable）） list（factor_variable = factor_variable [1]， porc = porc， porcentaje = paste（round（porc，0）* 100，％））} ，by =second_factor_variable，third_factor_variable] / pre> I'm looking for a simpler way to aggregate and calculate percentages of a numerical variable using data.table.The following code outputs the desired result, my question is if there is a better way to get the same result. I'm not really familiarized with the package, so any tips would be useful.I'd like to have the following columns: second_factor_variable third_factor_variable factor_variable porc porcentaje1: HIGH C > 200 0.04456544 4 %2: LOW A 51 - 100 0.31739130 32 %3: LOW A 101 - 200 0.68260870 68 %4: LOW A 26 - 50 0.00000000 0 %Where porc is the numerical percentage and porcentage would be the percentage rounded to be used as a label in a ggplot call.library("ggplot2")library("scales")library("data.table")### Generate some dataset.seed(123)df <- data.frame(x = rnorm(10000, mean = 100, sd = 50))df <- subset(df, x > 0)df$factor_variable <- cut(df$x, right = TRUE, breaks = c(0, 25, 50, 100, 200, 100000), labels = c("0 - 25", "26 - 50", "51 - 100", "101 - 200", "> 200") )df$second_factor_variable <- cut(df$x, right = TRUE, breaks = c(0, 100, 100000), labels = c("LOW", "HIGH") )df$third_factor_variable <- cut(df$x, right = TRUE, breaks = c(0, 50, 100, 100000), labels = c("A", "B","C") )str(df)### AggregateDT <- data.table(df)dt = DT[, list(factor_variable = unique(DT$factor_variable), porc = as.numeric(table(factor_variable)/length(factor_variable)), porcentaje = paste( round( as.numeric(table(factor_variable)/length(factor_variable), 0 ) * 100 ), "%") ), by="second_factor_variable,third_factor_variable"]EDITI've tried agstudy's solution grouping by with just one variable, and I believe it didn't work for producing the labels (porcentaje column). In the real dataset, I ended up having a similar issue and I can't spot whats wrong about this function.grp <- function(factor_variable) { porc = as.numeric(table(factor_variable)/length(factor_variable)) list(factor_variable = factor_variable[1], porc =porc, porcentaje = paste( round( porc, 0 ) * 100 , "%"))}DT[, grp(factor_variable) , by="second_factor_variable"]The numerical values are correctDT2 <- DT[DT$second_factor_variable %in% "LOW"]table(DT2$factor_variable)/length(DT2$factor_variable)I believe the same problems appears if i group by with 2 factor variables:DT[, grp(factor_variable) , by="second_factor_variable,third_factor_variable"] 解决方案 2 changes : factorize porc variable and don't use DT to compute factor_variableDT[, { porc = as.numeric(table(factor_variable)/length(factor_variable)) list(factor_variable = factor_variable[1], porc =porc, porcentaje = paste( round( porc, 0 ) * 100 , "%")) }, by="second_factor_variable,third_factor_variable"] 这篇关于使用data.table聚合的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！ 上岸，阿里云！