我有一个包含八个变量的数据框。我想计算年度加权平均损失百分比的平均值。但是,我的数据集中并非每年都存在所有变量。最简单的方法是什么?下面包含一个示例数据集和最终所需的输出。
谢谢!
样本数据集
Fruit.Type Year Primary.Wgt Primary.Loss.PCT Retail.Wgt Retail.Loss.PCT Cons.Wgt Cons.Loss.PCT
Oranges.F 1970 16.16 3.0 15.68 11.6 13.86 36.0
Oranges.F 1971 15.73 3.0 15.26 11.6 13.49 36.0
Oranges.F 1972 14.47 3.0 14.04 11.6 12.41 36.0
Oranges.F 1973 14.43 3.0 14.00 11.6 12.38 36.0
Tangerines.F 1971 2.34 5.0 2.22 20.4 1.80 52.0
Tangerines.F 1972 2.06 5.0 1.96 20.4 1.60 52.0
Tangerines.F 1973 2.07 5.0 1.97 20.4 1.60 52.0
Grapefruit.F 1970 8.22 3.0 7.97 12.8 6.90 20.0
Grapefruit.F 1971 8.55 3.0 8.29 12.8 7.20 20.0
Grapefruit.F 1972 8.56 3.0 8.31 12.8 7.20 20.0
Grapefruit.F 1973 8.57 3.0 8.31 12.8 7.20 20.0
所需的输出(在 Excel 中计算) 输出(加权平均损失百分比)
Year Primary.Loss.PCT Retail.Loss.PCT Cons.Loss.PCT
1970 3.00 11.82 11.98
1971 3.00 14.95 32.16
1972 3.16 14.66 31.78
1973 3.17 14.68 31.77
Mean 3.08 14.03 26.92
Standard Error 0.048 0.737 4.980
最佳答案
方法有很多种。我更喜欢通过data.table
。
首先将您的数据转换为 data.table
:
require(data.table) #tested in data.table 1.9.4
setDT(mydata)
> mydata
Fruit.Type Year Primary.Wgt Primary.Loss.PCT Retail.Wgt Retail.Loss.PCT
1: Oranges.F 1970 16.16 3 15.68 11.6
2: Oranges.F 1971 15.73 3 15.26 11.6
3: Oranges.F 1972 14.47 3 14.04 11.6
4: Oranges.F 1973 14.43 3 14.00 11.6
5: Tangerines.F 1971 2.34 5 2.22 20.4
6: Tangerines.F 1972 2.06 5 1.96 20.4
7: Tangerines.F 1973 2.07 5 1.97 20.4
8: Grapefruit.F 1970 8.22 3 7.97 12.8
9: Grapefruit.F 1971 8.55 3 8.29 12.8
10: Grapefruit.F 1972 8.56 3 8.31 12.8
11: Grapefruit.F 1973 8.57 3 8.31 12.8
Cons.Wgt Cons.Loss.PCT
1: 13.86 36
2: 13.49 36
3: 12.41 36
4: 12.38 36
5: 1.80 52
6: 1.60 52
7: 1.60 52
8: 6.90 20
9: 7.20 20
10: 7.20 20
11: 7.20 20
然后让我们进行基于组的聚合:
mydata2 <- mydata[,list(
Primary.Loss.PCT=sum(Primary.Wgt*Primary.Loss.PCT)/sum(Primary.Wgt),
Retail.Loss.PCT=sum(Retail.Wgt*Retail.Loss.PCT)/sum(Retail.Wgt),
Cons.Loss.PCT=sum(Cons.Wgt*Cons.Loss.PCT)/sum(Cons.Wgt)),
by=Year]
> mydata2
Year Primary.Loss.PCT Retail.Loss.PCT Cons.Loss.PCT
1: 1970 3.000000 12.00440 30.68208
2: 1971 3.175808 12.74412 32.15829
3: 1972 3.164209 12.71970 31.77558
4: 1973 3.165138 12.72471 31.76959
最后,我们计算平均值和 se:
> colMeans(mydata2[,-1,with=FALSE])
Primary.Loss.PCT Retail.Loss.PCT Cons.Loss.PCT
3.126289 12.548234 31.596386
> require(plotrix); std.error(mydata2[,-1,with=FALSE])
Primary.Loss.PCT Retail.Loss.PCT Cons.Loss.PCT
0.04217833 0.18135513 0.31804132
我希望我已经理解你的计算逻辑。但是,最终的输出与您的不同。无论如何,您可以根据您的需要调整代码。
关于r - R 中参差不齐的数据框中按年份加权平均,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30240023/