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

  1. student <- data.frame (
  2. name = c("s1", "s2", "s3", "s2", "s1", "s3"),
  3. age = c(12, 13, 10, 13, 12, 10),
  4. classid = c("c1", "c2", "c3", "c2", "c1", "c3"),
  5. score = c(78, 68, 99, 81, 82, 90),
  6. subject = c("su1", "su1", "su1", "su2", "su2", "su2")
  7. )

下面看看 students 的结构

  1. > str(students)
  2. 'data.frame':   6 obs. of  5 variables:
  3. $ name   : Factor w/ 3 levels "s1","s2","s3": 1 2 3 2 1 3
  4. $ age    : num  12 13 10 13 12 10
  5. $ classid: Factor w/ 3 levels "c1","c2","c3": 1 2 3 2 1 3
  6. $ score  : num  78 68 99 81 82 90
  7. $ 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

  1. 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:

  1. > tapply(student$score, students$subject, sum)
  2. su1 su2
  3. 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:

  1. > affils <- c("R", "D", "D", "R", "U", "D")
  2. > affils <- as.factor(x = affils)
  3. > affils
  4. [1] R D D R U D
  5. Levels: D R U
  6. > affils <- factor(affils, ordered = TRUE)
  7. > affils
  8. [1] R D D R U D
  9. Levels: D < R < U
  10. > affils <- factor(affils, levels = c("U", "R", "D"),  ordered = TRUE)
  11. > tapply(ages, affils, mean)
  12. U  R  D
  13. 21 31 41
  14. > ages <- c(25, 26, 55, 37, 21, 42)
  15. > affils <- c("R", "D", "D", "R", "U", "D")
  16. > affils <- as.factor(x = affils)
  17. > affils
  18. [1] R D D R U D
  19. Levels: D R U
  20. > affils <- factor(affils, ordered = TRUE)
  21. > affils
  22. [1] R D D R U D
  23. Levels: D < R < U
  24. > affils <- factor(affils, levels = c("U", "R", "D"),  ordered = TRUE)
  25. > affils
  26. [1] R D D R U D
  27. Levels: U < R < D
  28. > tapply(ages, affils, mean)
  29. U  R  D
  30. 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:

  1. > staff <- data.frame(list(gender = c("M", "M", "F", "M", "F", "F"),
  2. +                      age = c(47, 59, 21, 32, 33, 24),
  3. +                      income = c(55000, 88000, 32450, 76500, 123000, 45650)
  4. +                      )
  5. +                 )
  6. > staff
  7. gender age income
  8. 1      M  47  55000
  9. 2      M  59  88000
  10. 3      F  21  32450
  11. 4      M  32  76500
  12. 5      F  33 123000
  13. 6      F  24  45650
  14. > str(staff)
  15. 'data.frame':   6 obs. of  3 variables:
  16. $ gender: Factor w/ 2 levels "F","M": 2 2 1 2 1 1
  17. $ age   : num  47 59 21 32 33 24
  18. $ 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

  1. > staff$over25 <- ifelse(staff$age > 25, 1, 0)
  2. > staff
  3. gender age income over25
  4. 1      M  47  55000      1
  5. 2      M  59  88000      1
  6. 3      F  21  32450      0
  7. 4      M  32  76500      1
  8. 5      F  33 123000      1
  9. 6      F  24  45650      0
  10. > tapply(staff$income, list(staff$gender, staff$over25), sum)
  11. 0      1
  12. F 78100 123000
  13. 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

  1. > split(staff$income, list(staff$over25, staff$gender))
  2. $`0.F`
  3. [1] 32450 45650
  4. $`1.F`
  5. [1] 123000
  6. $`0.M`
  7. numeric(0)
  8. $`1.M`
  9. [1] 55000 88000 76500
  10. > split(staff$income, list(staff$gender, staff$over25))
  11. $F.0
  12. [1] 32450 45650
  13. $M.0
  14. numeric(0)
  15. $F.1
  16. [1] 123000
  17. $M.1
  18. [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?

  1. > split(1:length(staff$gender), staff$gender)
  2. $F
  3. [1] 3 5 6
  4. $M
  5. [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

  1. filewords <- function(tf) {
  2. txt <- scan(tf, "")
  3. words <- split(1:length(txt), txt)
  4. return(words)
  5. }

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

 
0

r 数据分组处理的更多相关文章

  1. 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------ ...

  2. 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 ...

  3. .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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. .net mvc前台如何接收和解析后台的字典类型的数据 二分搜索算法 window.onunload中使用HTTP请求 网页关闭 OpenCvSharp尝试 简单爬虫

    .net mvc前台如何接收和解析后台的字典类型的数据   很久没有写博客了,最近做了一个公司门户网站的小项目,其中接触到了一些我不会的知识点,今日事情少,便记录一下,当时想在网上搜索相关的内容,但是 ...

  2. android LinearLayout设置selector不起作用解决

    设置方法 : android:background="@drawable/fen_selector" 如果只有这个的话,是不起作用的.还必须加上: android:clickabl ...

  3. Vue 最传统的新增行,删除行,提交的数据整合

    index.html <!DOCTYPE html> <html lang="en"> <head> <meta charset=&quo ...

  4. java日志 -logback的使用和logback.xml详解(转)

    一.logback的介绍 Logback是由log4j创始人设计的另一个开源日志组件,官方网站: http://logback.qos.ch.它当前分为下面下个模块: logback-core:其它两 ...

  5. java 随机日期

    java 在某个范围日期内获取一个日期,再以这个日期作为开始日期,获取到随机n天后的日期 /** * 在beginDate和endDate之间获取一个随机日期作为开始日期 * @param begin ...

  6. 修改ultisnips的默认键

    把ultisnips修改和textmate一致. <tab>展开代码,再按<tab>跳转到下一个占位符,<shift+tab>跳转上一个占位符. 在vim配置文件中 ...

  7. GCC中文错误提示

    最近在教人学c语言,英语不过关,想把ubuntu16.04的gcc改为中文提示,经查找后发现:目前(2016.8.5)基于gcc5.4版本的中文帮助好像还没有. 后来又仔细查找,现在最新的有中文的也就 ...

  8. linux 2.6.xx自动加载kvm模块

    在文件夹/etc/udev/rules.d/中添加文件65-kvm.rules,文件内容如下: KERNEL=="kvm", MODE="0660", GROU ...

  9. canvas相关api

    1.线性径变:ctx.createLinearGradient(): var grd=ctx.createLinearGradient(0,0,170,0); grd.addColorStop(0,' ...

  10. SOCKET编程需要注意的问题

    1.socket编程首先要做的就是加载库,有两种方法: 1.不需要加载库文件 if(!AfxSocketInit()) { AfxMessageBox("加载套接字库失败!"); ...