r 数据分组处理
一、R语言实现数据的分组求和
实验数据集 姓名,年龄,班级 ,成绩, 科目
- student <- data.frame (
- name = c("s1", "s2", "s3", "s2", "s1", "s3"),
- age = c(12, 13, 10, 13, 12, 10),
- classid = c("c1", "c2", "c3", "c2", "c1", "c3"),
- score = c(78, 68, 99, 81, 82, 90),
- subject = c("su1", "su1", "su1", "su2", "su2", "su2")
- )
下面看看 students 的结构
- > str(students)
- 'data.frame': 6 obs. of 5 variables:
- $ name : Factor w/ 3 levels "s1","s2","s3": 1 2 3 2 1 3
- $ age : num 12 13 10 13 12 10
- $ classid: Factor w/ 3 levels "c1","c2","c3": 1 2 3 2 1 3
- $ score : num 78 68 99 81 82 90
- $ subject: Factor w/ 2 levels "su1","su2": 1 1 1 2 2 2
可以看到,在调用 data.frame 函数之后,默认将字符形变量转换成了因子变量,并且重新对它们进行编码
下面我们求每个班级平均成绩:用SQL语句如下
- select count(score) from students group by subject
用R自带的函数 tapply 也可以实现上面的要求:
- > tapply(student$score, students$subject, sum)
- su1 su2
- 245 253
从tapply的执行结果我们可以看出,tapply 是根据第二个变量因子变量(注意必须是因子变量)对第一个变量来分组,然后对所有分成的小组调用最后的函数
再来看一个例子,加深对因子的理解:
- > affils <- c("R", "D", "D", "R", "U", "D")
- > affils <- as.factor(x = affils)
- > affils
- [1] R D D R U D
- Levels: D R U
- > affils <- factor(affils, ordered = TRUE)
- > affils
- [1] R D D R U D
- Levels: D < R < U
- > affils <- factor(affils, levels = c("U", "R", "D"), ordered = TRUE)
- > tapply(ages, affils, mean)
- U R D
- 21 31 41
- > ages <- c(25, 26, 55, 37, 21, 42)
- > affils <- c("R", "D", "D", "R", "U", "D")
- > affils <- as.factor(x = affils)
- > affils
- [1] R D D R U D
- Levels: D R U
- > affils <- factor(affils, ordered = TRUE)
- > affils
- [1] R D D R U D
- Levels: D < R < U
- > affils <- factor(affils, levels = c("U", "R", "D"), ordered = TRUE)
- > affils
- [1] R D D R U D
- Levels: U < R < D
- > tapply(ages, affils, mean)
- U R D
- 21 31 41
从例子中可以发现,因子的水平,以及水平的高低我们都是可以按照自己的想法去控制的
好了,有了上面的基础知识,下面进一步加大难度,如果分组变量有几个呢?
请看下面的例子:
实验数据如下:
- > staff <- data.frame(list(gender = c("M", "M", "F", "M", "F", "F"),
- + age = c(47, 59, 21, 32, 33, 24),
- + income = c(55000, 88000, 32450, 76500, 123000, 45650)
- + )
- + )
- > staff
- gender age income
- 1 M 47 55000
- 2 M 59 88000
- 3 F 21 32450
- 4 M 32 76500
- 5 F 33 123000
- 6 F 24 45650
- > str(staff)
- 'data.frame': 6 obs. of 3 variables:
- $ gender: Factor w/ 2 levels "F","M": 2 2 1 2 1 1
- $ age : num 47 59 21 32 33 24
- $ income: num 55000 88000 32450 76500 123000 ...
下面分析:年龄大于 25 的不同性别的总收入,以及年龄小于 25 的不同性别的总收入
- > staff$over25 <- ifelse(staff$age > 25, 1, 0)
- > staff
- gender age income over25
- 1 M 47 55000 1
- 2 M 59 88000 1
- 3 F 21 32450 0
- 4 M 32 76500 1
- 5 F 33 123000 1
- 6 F 24 45650 0
- > tapply(staff$income, list(staff$gender, staff$over25), sum)
- 0 1
- F 78100 123000
- M NA 219500
从结果中可以清楚的看到,年龄小于 25 的女员工总收入为 78100, 其他的同理可以分析出来
二、如果你只是想分组呢?那么你就要要用到 spit 函数,注意字符串的分割是用 strsplit, 下面看如下两个例子就清楚明了了
- > split(staff$income, list(staff$over25, staff$gender))
- $`0.F`
- [1] 32450 45650
- $`1.F`
- [1] 123000
- $`0.M`
- numeric(0)
- $`1.M`
- [1] 55000 88000 76500
- > split(staff$income, list(staff$gender, staff$over25))
- $F.0
- [1] 32450 45650
- $M.0
- numeric(0)
- $F.1
- [1] 123000
- $M.1
- [1] 55000 88000 76500
从上面的例子我们可以非常清楚的明白 split 函数的工作原理
下面看一个有意思的例子,利用 split 迅速定位上面男性的下标,一种非常自然的想法是排序,然后如果数据总是变化无常怎么定位我们想要的那一类数据的下标呢?
- > split(1:length(staff$gender), staff$gender)
- $F
- [1] 3 5 6
- $M
- [1] 1 2 4
如果我们将这个方法与文本挖掘联想到一起,我们可以发现,这个方法可以非常容易的解决英文文本词汇索引的问题:
如果给你一个文本文件,假设单词都是按照空格分割,现在要统计哪些单词出现在文本中,以及出现的位置和次数,我们可以用下面的方法非常容易的解决
- filewords <- function(tf) {
- txt <- scan(tf, "")
- words <- split(1:length(txt), txt)
- return(words)
- }
另外我们应该关注 by() 函数的使用
最后一句话:在R中如果可以不使用循环则力求不使用
- 顶
- 0
r 数据分组处理的更多相关文章
- R数据科学-2
R数据科学(R for Data Science) Part 2:数据处理 导入-->整理-->转换 ------------------第7章 使用tibble实现简单数据框------ ...
- R数据科学-1
R数据科学(R for Data Science) Part 1:探索 by: PJX for 查漏补缺 exercise: https://jrnold.github.io/r4ds-exercis ...
- .NET LINQ 数据分组
数据分组 分组指将数据放入组中以便每个组中的元素共享公共特性的操作. 方法 方法名 说明 C# 查询表达式语法 Visual Basic 查询表达式语法 更多信息 GroupBy 对共享 ...
- MySQL:基础—数据分组
MySQL:基础-数据分组 1.为什么要分组: 比如一个表中有多条订单记录,如上图,每条记录对应着一个商品,现在我要查询 每个商品被订购的单数 准备出货?也就是找到每个商品被订购的数量. 如果只找一个 ...
- EMVTag系列1《数据分组》
数据分组的设计在个人化过程中承担着重要的作用.数据分组标识符(DGI)是两字节十六进制数.数据分组标识的第一个字节等于'01'到'1E',表明数据存储的SFI.第二个字节表明SFI记录的记录编号.其他 ...
- SQL从入门到基础 - 05 数据分组、Having语句
一.数据分组 1. 按照年龄进行分组统计各个年龄段的人数: Select FAge,count(*) from T_Employee group by FAge; 2. Group by子句必须放到w ...
- 数据分组分析—-groupby
数据分组分析—-groupby 代码功能: 对于综合表格data,基于title进行分组处理,并统计每一组的size,得到的是一个series序列,此序列可以放入索引中使用,index() impor ...
- pandas学习(数据分组与分组运算、离散化处理、数据合并)
pandas学习(数据分组与分组运算.离散化处理.数据合并) 目录 数据分组与分组运算 离散化处理 数据合并 数据分组与分组运算 GroupBy技术:实现数据的分组,和分组运算,作用类似于数据透视表 ...
- MySQL数据分组Group By 和 Having
现有以下的学生信息表: 若果现在想计算每个班的平均年龄,使用where的操作如下: SELECT Cno AS 班级, AVG(Sage) AS 平均年龄 FROM stu ; 这样的话,有多少个班就 ...
随机推荐
- Microsoft Excel不能访问文件
Microsoft Excel 不能访问文件"C:\Users\james\Documents\test.xls". 可能的原因有以下几个: • 文件名称或路径不存在. • 文件正 ...
- Dynamic DMA mapping Guide
一.前言 这是一篇指导驱动工程师如何使用DMA API的文档,为了方便理解,文档中给出了伪代码的例程.另外一篇文档dma-api.txt给出了相关API的简明描述,有兴趣也可以看看那一篇,这两份文档在 ...
- python-循环与判断练习题
一.设计这样一个函数,在指定的文件夹上创建10个文本,以数字给它们命名. def text_creation(): path ='D:/study/python3/w/' for name in ra ...
- 使用dockerfile 构建springboot 的docker镜像
1 新建一个 springboot 项目,并将其打包成 jar 文件.生成demo1.jar 文件 请参考 使用springBoot搭建REATFul风格的web demo 2 编写 dockerfi ...
- DPDK
Intel DPDK 全面解读 高性能网络技术 随着云计算产业的异军突起,网络技术的不断创新,越来越多的网络设备基础架构逐步向基于通用处理器平台的架构方向融合,从传统的物理网络到虚拟网络,从扁平化 ...
- 基于jQuery+ashx+.net实现三级栏目联动操作
父级ID可以为空以两个编号为一级 可以添加到第四级 table 字段有ID. name .parentNode. childNode等基本属性 selecet parentNode ,len(c ...
- nginx访问http自动跳转到https
if ($server_port != '443' ) { rewrite ^/(.*)$ https://cms-news.artron.net/$1 permanent; }
- json格式详解
一.Json的简单介绍 从结构上看,所有的数据最终都可以分成三种类型: 第一种类型是scalar(标准变量),也就是一个单独的string(字符串)或数字(numbers),比如“北京”这个单独的 ...
- solr学习之一 搜索基本知识
学习了一段时间的solr了,用自己的方式总结下目前学到的内容,这是个系列文章,这里面的有些说法可能不准确,也可能有问题 欢迎大家指正. 一.搜索引擎目的 搜索引擎在我们的生活中,已经无处不在,除了我们 ...
- scrollTop兼容封装
<!DOCTYPE html> <html> <head lang="en"> <meta charset="UTF-8&quo ...