1

我在函数中使用因子时遇到了一些麻烦，或者只是在基本计算中使用它们。我有一个类似这样的数据框（但有多达 6000 个不同的因素）。

df<- data.frame( p <- runif(20)*100,
q = sample(1:100,20, replace = T),
tt = c("e","e","f","f","f","i","h","e","i","i","f","f","j","j","h","h","h","e","j","i"),
ta = c("a","a","a","b","b","b","a","a","c","c","a","b","a","a","c","c","b","a","c","b"))
colnames(df)<-c("p","q","ta","tt")

现在价格 = p 和数量 = q 是我的变量，而 tt 和 ta 是不同的因素。

现在，我首先想通过 tt 中的每个不同因素找到每单位 q 的平均价格

(p*q ) / sum(q) by tt

在这种情况下，这将给我一个包含 3 个不同总和的列表，由 a、b 和 c 组成（我有 6000 个不同的因素，所以我需要聪明地做 :)）。

我曾尝试使用 split 来制作列表，在这种情况下，我可以让每个单独的 tt 因子包含价格，另一个包含数量，但我似乎无法让它们例如做一个平均值。我也尝试过使用tapply，但我还是看不到如何将因素纳入其中？

编辑：我可以看到我需要清除：

我需要找到 3 个总和，即平均价格公关。q 给定每个因素，所以在这个简化的情况下，它将是：

a: (Row (1,2,3, 7, 11, 13,14,18) 的 p*q 总和 / sum (q for row (1,2,3, 7, 11, 13,14,18) )

所以结果应该是 a、b 和 c 的平均价格，也就是 3 个值。

4

2 回答 2

1

我plyr会这样做：

library(plyr)
ddply(df, .(tt), mutate, new_col = (p*q) / sum(q))
          p  q ta tt     new_col
1  73.92499 70  e  a 11.29857879
2  58.49011 60  e  a  7.66245932
3  17.23246 27  f  a  1.01588711
4  64.74637 42  h  a  5.93743967
5  55.89372 45  e  a  5.49174103
6  25.87318 83  f  a  4.68880732
7  12.35469 23  j  a  0.62043207
8   1.19060 83  j  a  0.21576367
9  84.18467 25  e  a  4.59523322
10 73.59459 66  f  b 10.07726727
11 26.12099 99  f  b  5.36509998
12 25.63809 80  i  b  4.25528535
13 54.74334 90  f  b 10.22178577
14 69.45430 50  h  b  7.20480246
15 52.71006 97  i  b 10.60762667
16 17.78591 54  i  c  5.16365066
17  0.15036 41  i  c  0.03314388
18 85.57796 30  h  c 13.80289670
19 54.38938 44  h  c 12.86630433
20 44.50439 17  j  c  4.06760541

plyr确实以速度慢而闻名，data.table提供类似的功能，但性能要高得多。

于 2013-09-16T10:10:20.607 回答
0

如果我正确理解你的问题，这应该是答案。试一试，如果需要，我可以调整它。

myRes <- function(tt) {

  out <- NULL;
  qsum <- sum(as.numeric(df[,"q"]))
  psum <- sum(as.numeric(df[,"p"]))
  for (var in tt) {
    index <- which(df["tt"] == var)

    out <- c(out, ((qsum *psum) / sum(df[index,"q"])))
  }
  return (out)
}

threeValue <- myRes(levels(df[, "tt"]));
于 2013-09-16T10:11:12.710 回答