在R中的数据集中以相等的间隔计算总数的百分比

Question

我正在处理一个数据集，其中包含每个 FMCG 类别的总数以及每个主要渠道的销售分布，如列中所示。摘录如下

CTY  totsal MTsal   GTsal   Othsal  totsal  MTsal   GTsal   Othsal
     food   food    food    food    deo      deo    deo      deo
Arg  47313  19620   15052   12641   178      113    41       24
Aus  143140 85172   4634    53334   459      438    5        16
Bel  125399 82966   7818    34614   424      229    5        190

在我的输出数据集中，我想计算每 4 列中的总类别组的份额，例如totsal 食物和totsal deo。因此，这些份额必须为 1，而渠道的份额加起来必须是它们各自的价值。我正在查看的示例输出是：

CTY totshar MTshar  GTshar  Othshar totshar MTshar  GTshar  Othshar
    food    food    food    food    deo      deo    deo      deo
Arg  1      0.4     0.3     0.3     1.0      0.6    0.2      0.1
Aus  1      0.6     0.0     0.4     1.0      1.0    0.0      0.0
Bel  1      0.7     0.1     0.3     1.0      0.5    0.0      0.4

以上示例是摘录，我需要灵活地包含尽可能多的类别和国家/地区。

Answer 1

你可以这样做。首先，我复制并粘贴了您的数据：

d <- read.table("clipboard",header=T)
d
   CTY totsal MTsal GTsal Othsal totsal.1 MTsal.1 GTsal.1 Othsal.1
1 <NA>   food  food  food   food      deo     deo     deo      deo
2  Arg  47313 19620 15052  12641      178     113      41       24
3  Aus 143140 85172  4634  53334      459     438       5       16
4  Bel 125399 82966  7818  34614      424     229       5      190

然后我将数字转换为数字矩阵

m <- data.frame(d[-1, -1])
m <- t(apply(m, 1, function(x) as.numeric(as.character(x))))
m
    [,1]  [,2]  [,3]  [,4] [,5] [,6] [,7] [,8]
2  47313 19620 15052 12641  178  113   41   24
3 143140 85172  4634 53334  459  438    5   16
4 125399 82966  7818 34614  424  229    5  190

我使用 grep 搜索了总列，并为列组创建了一个索引 gr。请注意，total 列必须始终是组的第一列。组值的总数可以变化。

gr_total <- grep("tot", colnames(d)[-1])
gr <- sort(rep(gr_total, 4))

我使用 sapply 计算每组的百分比并使用 matrix 函数转换结果。应用函数 "loops" 遍历 grep 搜索找到的所有组。在 function(x, y, z) 中，它对属于该组的所有列进行子集化。这里为第一个m[, gr == gr_total[1]]。因为 R 针对矢量化过程进行了优化，所以您可以将 vector/matrix 除以矢量。尝试 m[, gr == gr_total[1]]/m[ , gr_total[1]]。对于 matrix() 函数，请参阅 ?matrix 并检查 sapply 输出。

matrix(sapply(gr_total, function(x, y, z)  z[, y==x]/z[, x], gr, m), nrow(m), ncol(m), byrow = FALSE)
     [,1]      [,2]       [,3]      [,4] [,5]      [,6]       [,7]       [,8]
[1,]    1 0.4146852 0.31813666 0.2671782    1 0.6348315 0.23033708 0.13483146
[2,]    1 0.5950258 0.03237390 0.3726003    1 0.9542484 0.01089325 0.03485839
[3,]    1 0.6616161 0.06234499 0.2760309    1 0.5400943 0.01179245 0.44811321

可以使用round函数四舍五入一位数。假设您将结果保存在 m1 中，请使用 round(m1, 1)。 Colnames 可以替换为 colnames(m1) <- colnames(d)[-1]。要添加列和行，请参阅 rbind 和 cbind。

在R中的数据集中以相等的间隔计算总数的百分比

Calculating percentages of total at equal intervals in a data set in R

r

percentage

calculated-columns