0

问题

我已经改变了我的问题的表述，因为似乎缺乏明确性。

所以，我们有数千家医院。他们的患者年龄在 0 到 100 岁之间。对于每个年龄，他们都有一定数量的患者，例如医院 1 有 10 名 1 岁的患者，12 名两岁的患者，0 名 100 岁的患者等。

在此处输入图像描述

上述数据集是一个小型简化示例，我的实际数据集包含数千家医院和数百万患者的数据。

寻求的结果

我想知道每家医院的患者年龄中位数。

到目前为止的解决方案

展开表格，使每个患者的年龄有一个单独的行，然后取中位数。这将导致我的表有数亿行，所以是不可取的。

library(dplyr)

## table
hospital <- c(rep(1:3, each = 10))
patient_age <- c(rep(seq(0, 90, by = 10), 3))
number_patients <- round(runif(30, 0, 100),0)
df <- bind_cols(hospital, patient_age, number_patients)
colnames(df) <- c("hospital", "patient_age", "number_patients")

## my impractical solution
df1 <- filter(df, hospital == 1)
df1a <- rep(df1$patient_age, df1$number_patients)
median(df1a)

## there's no way I can repeat this for each hospital (there are 1000s)
4

1 回答 1

1

编辑：

以下是按医院计算平均患者年龄的方法：

df %>%
  group_by(hospital) %>%
  summarise(
    mean_age = sum(patient_age*number_patients)/sum(number_patients)
    )

或者简单地说：

df %>%
  group_by(hospital) %>%
  summarise(
    mean_age = mean(rep(patient_age,number_patients))
  )

这是中位数：

df %>%
  group_by(hospital) %>%
  summarise(
    median_age = sort(rep(patient_age,number_patients))[length(rep(patient_age,number_patients))/2]
  )

在这里，我们sort(rep(patient_age,number_patients))对其中间值进行子集化，即length(rep(patient_age,number_patients))/2

编辑 2：

或者简单地说：

df %>%
  group_by(hospital) %>%
  summarise(
    median_age = median(rep(patient_age,number_patients))
  )
于 2021-05-17T11:49:48.557 回答