r - 如何用R中的频率表获得中位数？

Question

问题

我更改了问题的表述方式，因为问题似乎不够清晰。

所以，我们有数千家医院。他们的患者年龄在 0 岁到 100 岁之间。对于每个年龄段，他们都有一定数量的患者，例如Hospital1 有 10 名 1 岁患者、12 名 2 岁患者、0 名 100 岁患者等。

上面的数据集是一个简单的小例子，我的实际数据集包含数千家医院和数百万患者的数据。

寻求结果

我想知道每家医院的患者年龄中位数。

目前的解决方案

展开表格，以便每个患者的年龄都有一个单独的行，然后取中位数。这将导致我的表有数亿行，因此是不可取的。

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) 

Answer 1

编辑:

以下是按医院计算患者平均年龄的方法:

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，我们子集 sort(rep(patient_age,number_patients))其中间值，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))
  )