按组折叠数据框，使用变量列表进行加权平均和求和

Question

我想根据组折叠以下数据框，同时使用求和和加权平均值。

我有以下数据框

group_id = c(1,1,1,2,2,3,3,3,3,3)
var_1 = sample.int(20, 10)
var_2 = sample.int(20, 10)
var_percent_1 =rnorm(10,.5,.4)
var_percent_2 =rnorm(10,.5,.4)
weighting =sample.int(50, 10)

df_to_collapse = data.frame(group_id,var_1,var_2,var_percent_1,var_percent_2,weighting)

我想根据 group_id 确定的组折叠我的数据。但是，在我的数据中，我有绝对水平 (var_1、var_2) 和百分比 (var_percent_1、var_percent_2) 的变量。

我为每种类型的变量创建了两个列表（我的真实数据要大得多，所以这是必要的）。我还有一个加权变量（weighting）。

to_be_weighted =df_to_collapse[, 4:5]
to_be_summed = df_to_collapse[,2:3]

to_be_weighted_2=colnames(to_be_weighted)
to_be_summed_2=colnames(to_be_summed)

我的目标是根据变量的类型（即，如果以百分比表示，我使用加权平均值）同时使用总和或加权平均值来折叠我的数据。

这是我最好的尝试：

 df_to_collapse %>% group_by(group_id) %>% summarise_at(.vars = c(to_be_summed_2,to_be_weighted_2), .funs=c(sum, mean))

但是，如您所见，它不是 加权平均值

我尝试了很多不同的方法来使用 weighted.mean 函数，但都没有成功。这是一个这样的尝试的例子；

df_to_collapse %>% group_by(group_id) %>% summarise_at(.vars = c(to_be_weighted_2,to_be_summed_2), .funs=c(weighted.mean(to_be_weighted_2, weighting), sum))

以及对应的错误：

Error in weighted.mean.default(to_be_weighted_2, weighting) : 
'x' and 'w' must have the same length

Answer 1

这是一种方法，通过重塑为长数据，添加一个名为 type 的虚拟变量来确定它是否是百分比（可选，但很方便），在 summarise 中应用一个函数基于无论是百分比，然后传播回宽形状。如果您可以更改列名，您可以想出一种更优雅的方式来处理 type 列，但这实际上是为了方便。

我的诀窍是 type[1] == "percent"；我不得不使用 [1] 因为每个组中的所有内容都具有相同的类型，但除此之外 == 对向量中的每个值进行操作并给出多个逻辑值，当你真的只需要 1.

library(tidyverse)

set.seed(1234)
group_id = c(1,1,1,2,2,3,3,3,3,3)
var_1 = sample.int(20, 10)
var_2 = sample.int(20, 10)
var_percent_1 =rnorm(10,.5,.4)
var_percent_2 =rnorm(10,.5,.4)
weighting =sample.int(50, 10)

df_to_collapse <- data.frame(group_id,var_1,var_2,var_percent_1,var_percent_2,weighting)

df_to_collapse %>%
    gather(key = var, value = value, -group_id, -weighting) %>%
    mutate(type = ifelse(str_detect(var, "percent"), "percent", "int")) %>%
    group_by(group_id, var) %>%
    summarise(sum_or_avg = ifelse(type[1] == "percent", weighted.mean(value, weighting), sum(value))) %>%
    ungroup() %>%
    spread(key = var, value = sum_or_avg)
#> # A tibble: 3 x 5
#>   group_id var_1 var_2 var_percent_1 var_percent_2
#>      <dbl> <dbl> <dbl>         <dbl>         <dbl>
#> 1        1    26    31         0.269         0.483
#> 2        2    32    21         0.854         0.261
#> 3        3    29    49         0.461         0.262

由 reprex package (v0.2.0) 创建于 2018-05-04。

按组折叠数据框，使用变量列表进行加权平均和求和

Collapse data frame, by group, using lists of variables for weighted average AND sum

group-by

r

weighted-average

collapse

dplyr