Inkohärentes Ergebnis über Gewichtungsdaten

Mein Beitrag ist bezüglich Ergebnis, das ich erhielt und scheint inkohärent zu sein. Meine Daten sind:Inkohärentes Ergebnis über Gewichtungsdaten

DF=structure(list(Age = c(16L, 29L, 22L, 64L, 42L, 46L, 30L, 37L, 
31L, 52L, 44L, 54L, 23L, 22L, 42L, 39L, 39L, 51L, 25L, 64L, 55L, 
56L, 27L, 31L, 39L, 22L, 54L, 33L, 34L, 18L, 39L, 41L, 52L, 41L, 
27L, 36L, 64L, 42L, 21L, 44L, 50L, 35L, 22L, 65L, 53L, 18L, 25L, 
59L, 56L, 52L, 39L, 40L, 25L, 63L, 43L, 23L, 52L, 48L, 24L, 45L, 
27L, 42L, 56L, 43L, 28L, 51L, 54L, 16L, 65L, 56L, 47L, 45L, 29L, 
41L, 52L, 50L, 26L, 44L, 35L, 55L, 57L, 43L, 52L, 28L, 33L, 20L, 
39L, 15L, 55L, 20L, 30L, 10L, 54L, 51L, 47L, 36L, 42L, 33L, 26L, 
29L, 19L, 22L, 22L, 22L, 40L, 33L, 20L, 43L, 53L, 25L, 25L, 49L, 
25L, 31L, 45L, 51L, 60L, 54L, 20L, 25L, 60L, 48L, 35L, 42L, 14L, 
28L, 55L, 20L, 35L, 17L, 46L, 20L, 45L, 37L, 33L, 36L, 60L, 47L, 
27L, 25L, 51L, 32L, 19L, 25L, 19L, 60L, 18L, 17L, 33L, 26L, 33L, 
32L, 33L, 22L, 17L, 24L, 43L, 38L, 27L, 40L, 42L, 41L, 31L, 43L, 
34L, 33L, 42L, 37L, 24L, 50L, 53L, 35L, 50L, 37L, 46L, 39L, 33L, 
56L, 58L, 23L, 31L, 52L, 50L, 33L, 56L, 55L, 20L, 22L, 44L, 50L, 
30L, 58L, 59L, 16L, 33L, 53L, 50L, 20L, 31L, 22L, 38L, 59L, 38L, 
62L, 52L, 30L, 18L, 53L, 38L, 41L, 44L, 53L, 19L, 53L, 57L), 
    Sous_Categorie = c("7", "7", "7", "7", "7", "7", "7", "7", 
    "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", 
    "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", 
    "7", "7", "7", "7,9", "8", "8", "8", "8", "8", "9", "9", 
    "11", "10,7", "10,8,9", "7", "7", "7", "7", "7", "7,8", "8", 
    "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "7", "8", 
    "11", "7", "12", "12", "12", "12", "12", "12", "12", "12", 
    "12", "12", "12", "12", "12", "12", "12", "12", "13", "13", 
    "13", "13", "13", "14", "14", "14", "14", "14", "14", "14", 
    "14", "14", "14", "14", "14", "14", "14", "14", "14", "14", 
    "14", "14", "14", "15", "15", "15", "15", "15", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "17", "17", "17", "17", "17", 
    "17", "17", "17", "17", "17", "18", "18", "18", "7,12", "7,12", 
    "7,12", "7,12", "7,13,17", "7,16", "7,17", "7,17", "7,17", 
    "7,17", "7,17", "8,17", "8,17", "11,17", "7,17", "7,17", 
    "8,17", "7,17", "7,17", "12,14", "12,15", "17,18")), .Names = c("Age", 
"Sous_Categorie"), row.names = c(NA, -215L), class = "data.frame")

Der Code, die with the help of stackoverflow member's (und nochmals vielen Dank) verwendete

cats <- unique(unlist(strsplit(DF$Sous_Categorie, ","))) 

cat_perc <- function(cats, vec) { 
    # percentages 
    nums <- sapply(cats, function(cat) sum(grepl(cat, vec))) 
    perc <- nums/sum(nums) 
    final <- perc * length(vec) 
    df <- as.data.frame(as.list(final)) 
    names(df) <- cats 
    return(df) 
} 

a=cat_perc(cats, DF$Sous_Categorie) 
a=(a/sum(a))*100

Die Ergebnisse, die ich erhalte:

7   9  8  11  10  12  13  14 
46.20061 1.215805 4.863222 0.9118541 0.6079027 6.68693 1.823708 6.382979 
    15  17  18  16 
1.823708 27.96353 1.215805 0.3039514

Dieses Ergebnis sind durchaus nicht kohärent für Ich, nach den ursprünglichen Daten DF, ist es klar, dass ich mehr 17 als 7 habe. Warum erhalte ich ein solches Ergebnis? Ist es ein Codierungsproblem oder ein statistisches Problem?

Vielen Dank

Quelle

2016-04-14 ranell

'grepl' gibt' TRUE' zurück, wenn es eine 7 sieht, auch wenn diese 7 in einer 17 ist. Besser, etwas wie 'table (unlist (strsplit (vec, ',')))' – alistaire

zu verwenden Danke viel ! es war ein Albtraum. Verwendet Zeichen anstelle von Zahlen. Aber wenn jemand eine Idee hat, wie man es mit Nummer macht, bin ich interessiert. Ich habe versucht, den Tisch nicht zu listen, ich habe nicht richtig für mich gearbeitet. – ranell

grepl mit Strings als Zahlen für die Arbeit besser ist; In diesem Fall sieht es 17 als eine Übereinstimmung für 7, die Sie nicht möchten. Sie könnten kompliziertere Regex schreiben, aber es ist einfacher, Ihre Daten wie die Zahlen zu behandeln.

cat_perc <- function(vec) { 
    # percentages 
    nums <- table(as.numeric(unlist(strsplit(vec, ',')))) 
    perc <- nums/sum(nums) 
    final <- perc * length(vec) 
    final_pct <- final/sum(final) * 100 
    return(final_pct) 
} 

cat_perc(DF$Sous_Categorie) 
#   7   8   9   10   11   12   13   14 
# 28.8065844 4.9382716 1.6460905 0.8230453 1.2345679 9.0534979 2.4691358 8.6419753 
#  15   16   17   18 
# 2.4691358 0.4115226 37.8600823 1.6460905

Alternativ ohne Funktion:

nums <- table(as.numeric(unlist(strsplit(DF$Sous_Categorie, ',')))) 
a <- data.frame(nums/sum(nums) * length(DF$Sous_Categorie)) 
a$Freq <- a$Freq/sum(a$Freq) * 100 
a 
# Var1  Freq 
# 1  7 28.8065844 
# 2  8 4.9382716 
# 3  9 1.6460905 
# 4 10 0.8230453 
# 5 11 1.2345679 
# 6 12 9.0534979 
# 7 13 2.4691358 
# 8 14 8.6419753 
# 9 15 2.4691358 
# 10 16 0.4115226 
# 11 17 37.8600823 
# 12 18 1.6460905

hinzufügen oder löschen Sie die data.frame und subsetting je nachdem, welches Format Sie bevorzugen

ein wenig, heraus hacken einige unnötige Bits Überarbeitete.

Quelle

2016-04-14 18:45:41 alistaire

http://stackoverflow.com/questions/39550884/weighting-datas-incohaender-result- again –

Inkohärentes Ergebnis über Gewichtungsdaten

Antwort

Verwandte Themen