Bedingte Filterung und Zusammenfassung in R

Question

Ich bin vor kurzem von STATA + Excel nach R übergegangen. So würde ich schätzen, wenn mir jemand beim Schreiben von effizientem Code helfen könnte. Ich habe mein Bestes versucht, die Antwort zu recherchieren, bevor ich auf SO poste.

Hier ist, wie meine Daten wie folgt aussieht:

mydata<-data.frame(sassign$buyer,sassign$purch,sassign$total_) 
str(mydata) 
'data.frame': 50000 obs. of 3 variables: 
$ sassign.buyer : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 2 1 ... 
$ sassign.purch : num 10 3 2 1 1 1 1 11 11 1 ... 
$ sassign.total_: num 357 138 172 272 149 113 15 238 418 123 ... 
head(mydata) 
    sassign.buyer sassign.purch sassign.total_ 
1   no   10   357 
2   no    3   138 
3   no    2   172 
4   no    1   272 
5   no    1   149 
6   yes    1   113 

Mein Ziel ist es durchschnittliche Zahl der Käufer mit # bestellt> 1.

So zu finden, hier ist was ich getan habe:

Methode 1: Lange Methode

library(psych) 
check<-as.numeric(mydata$sassign.buyer)-1 
myd<-cbind(mydata,check) 
abcd<-psych::describe(myd[myd$sassign.purch>1,]) 
abcd$mean[4] 

Die Ausgabe, die ich bekommen habe, ist: 0.1031536697, was korrekt ist.

@Sathish: Hier ist, wie Scheck wie folgt aussieht:

head(check) 
0 0 0 0 0 1 

Das ist mein Zweck tat lösen.

Vorteile dieser Methode: Es ist einfach und in der Regel ein Anfänger-Level. Nachteile: Zu viele-- Ich brauche eine zusätzliche Variable (überprüfen). Plus, ich mag diese Methode nicht - es ist zu klobig.

Side Frage: Ich erkannte, dass Funktionen standardmäßig keine höhere Genauigkeit zeigen, obwohl Optionen (Ziffern = 10) festgelegt ist. Zum Beispiel ist hier, was ich von Laufen bekommen: nur

psych::describe(myd[myd$sassign.purch>1,]) 


       vars  n mean  sd median trimmed mad min max range skew 
sassign.buyer* 1 34880 1.10 0.30  1 1.00 0.00 1 2  1 2.61 
sassign.purch  2 34880 5.14 3.48  4 4.73 2.97 2 12 10 0.65 
sassign.total_ 3 34880 227.40 101.12 228 226.13 112.68 30 479 449 0.09 
check    4 34880 0.10 0.30  0 0.00 0.00 0 1  1 2.61 
       kurtosis se 
sassign.buyer*  4.81 0.00 
sassign.purch  -1.05 0.02 
sassign.total_ -0.72 0.54 
check    4.81 0.00 

Es ist, wenn ich

abcd$mean[4] 

lief

Ich habe 0,1031536697

Methode 2: dplyr Mit Ich habe versucht, Rohre und Funktionsaufruf , aber ich gab endlich auf.

Methode 2 | Try1: psych :: beschreiben (dplyr :: Filter (mydata, mydata $ sassign.purch> 1) [, dplyr :: mutieren (as.numeric (mydata $ sassign.buyer) -1)])

Ausgabe:

Error in UseMethod("mutate_") : 
    no applicable method for 'mutate_' applied to an object of class "c('double', 'numeric')" 

Methode 2 | Try2: Unter Verwendung Rohren:

mydata %>% mutate(newcol = as.numeric(sassign.buyer)-1) %>% dplyr::filter(sassign.purch>1) %>% summarise(meanpurch = mean(newcol)) 

Das hat funktioniert, und ich bekam meanpurch 0,1031537 =. Ich bin mir immer noch nicht sicher über Try 1.

Irgendwelche Gedanken, warum das nicht funktioniert?

Answer 1

Daten:

> dt 
# sassign.buyer sassign.purch sassign.total_ 
# 1   no   10   357 
# 2   no    3   138 
# 3   no    2   172 
# 4   no    1   272 
# 5   no    1   149 
# 6   yes    1   113 

Anzahl der Käufer mit Käufen von mehr als 1

library(dplyr) 

dt %>% 
    group_by(sassign.buyer) %>% 
    filter(sassign.purch > 1) 

# 
# Source: local data frame [3 x 3] 
# Groups: sassign.buyer [1] 
# 
# sassign.buyer sassign.purch sassign.total_ 
# (chr)   (int)   (int) 
# 1   no   10   357 
# 2   no    3   138 
# 3   no    2   172 

Durchschnittliche Anzahl der Käufer mit Käufen von mehr als 1

dt %>% 
    group_by(sassign.buyer) %>% 
    filter(sassign.purch > 1) %>% 
    summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt)) 

# Source: local data frame [1 x 2] 
# 
#  sassign.buyer avg_no_buyers_gt_1 
#   (chr)    (dbl) 
# 1   no    0.5 

Wenn keine Gruppierung der Käufer ist erforderlich,

dt %>% 
    filter(sassign.purch > 1) %>% 
    summarise(avg_no_buyers_gt_1 = length(sassign.buyer)/ nrow(dt)) 

# avg_no_buyers_gt_1 
# 1   0.7777778 

Answer 2

Das Finden des Anteils der Fälle, die einer Bedingung entsprechen, ist mit mean() leicht zu tun. Hier ist eine Blog-Post erklärt es: https://drsimonj.svbtle.com/proportionsfrequencies-with-mean-and-booleans, und hier ist ein einfaches Beispiel:

buyer <- c("yes", "yes", "no", "no") 
mean(buyer == "yes") 
#> [1] 0.5 

Also in Ihrem Fall können Sie mean(d$sassign.buyer[d$sassign.purch > 1] == "yes") tun. Hier ist ein Beispiel gearbeitet:

d <- data.frame(
    sassign.buyer = factor(c("yes", "yes", "no", "no")), 
    sassign.purch = c(1, 10, 0, 200) 
) 
mean(d$sassign.buyer[d$sassign.purch > 1] == "yes") 
#> [1] 0.5 

Dieser erhält alle Fälle, in denen d$sassign.purch größer ist han 1, und berechnet dann den Anteil (unter Verwendung von mean()) dieser Fälle, in denen d$sassign.buyer gleich "yes" ist.