我的累积百分比函数需要 R 帮助
R help needed for my cumulative percentage function
最近的更改（无论是在 R 中还是在其他地方）使我以前工作的功能停止工作。该函数旨在生成两列，告诉我百分比分数是多少（请参阅 df2$CumPercent 是针对调查中的给定分数（请参阅 df2$V1）。因此，我对手动版本进行了一些更改逻辑，运行良好。当我在一个函数中应用相同的逻辑时，它会吐出一个错误，指出未找到 Var1 变量。任何想法这里可能出了什么问题？
df5 <- structure(list(MyVariable = c(4.66666666666667, 2.16666666666667,
5.66666666666667, 4.5, 5.16666666666667, 4.5, 1, 3.83333333333333,
2, 4, 2.33333333333333, 5.5, 5.66666666666667, 2.66666666666667,
5.66666666666667, 2.83333333333333, 4.33333333333333, 5.33333333333333,
5.66666666666667, 4.33333333333333, 2.33333333333333, 4.5, 3.66666666666667,
3.83333333333333, 2, 5, 2.83333333333333, 3, 4.83333333333333,
5.16666666666667, 3, 5.16666666666667, 1.33333333333333, 5.16666666666667,
2.16666666666667, 4, 3.66666666666667, 4, 3.5, 4.5, 3, 5.16666666666667,
4.83333333333333, 4.66666666666667, 3.16666666666667, 4.16666666666667,
2.83333333333333, 4.83333333333333, 2.66666666666667, 4.16666666666667,
5.16666666666667, 6.16666666666667, 1.83333333333333, 3.33333333333333,
4.5, 4.83333333333333, 5.5, 4.33333333333333, 4.33333333333333,
4.83333333333333, 2.33333333333333, 4.5, 4.16666666666667, 5.5,
4.5, 4.83333333333333, 5, 1, 4.5, 5, 2.33333333333333, 4, 3.5,
3.33333333333333, 4.66666666666667, 1.5, 5.83333333333333, 4.33333333333333,
5.16666666666667, 3.33333333333333, 4.66666666666667, 6, 4.33333333333333,
2.16666666666667, 4.16666666666667, 5.83333333333333, 3.66666666666667,
5, 5.83333333333333, 4.33333333333333, 4.33333333333333, 4.66666666666667,
4.83333333333333, 5.16666666666667, 5, 3.5, 5, 5.5, 4.66666666666667,
5.33333333333333, 5.5, 3.66666666666667, 1.83333333333333, 2.33333333333333,
5, 5.83333333333333, 4.66666666666667, 4.83333333333333, 5.83333333333333,
3.66666666666667, 3.33333333333333, 2.5, 5.33333333333333, 4.16666666666667,
4.16666666666667, 3.5, 3, 5.16666666666667, 3.66666666666667,
5.83333333333333, 4, 5.33333333333333, 6, 3.16666666666667, 2.33333333333333,
4.66666666666667, 5.66666666666667, 3.5, 4.66666666666667, 1.33333333333333,
4, 4.33333333333333, 3.5, 3.16666666666667, 5.16666666666667,
4.66666666666667, 2.83333333333333, 4, 2.5, 2.83333333333333,
4.83333333333333, 5.33333333333333, 4.5, 3.83333333333333, 4)), row.names = c(NA,
-145L), class = "data.frame")
#Manual version of the cumulative percent logic (which works as intended)
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(df5$MyVariable)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
#Now attempt to convert into a function.
cpave1 <- function(x) {
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(x)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
}
#Apply function to the MyVariable column.
MyVariable <- cpave1(df5$MyVariable)
如错误消息所示，您的数据中没有 "Var1" 列。该列名为 x。这是您函数的更短更新版本，returns 具有相同的输出。
cpave1 <- function(x) {
df <- type.convert(data.frame(table(x)), as.is = TRUE)
data.frame(V1 = round(df$x ,2),
CumPercent = round(cumsum(df$Freq)/sum(df$Freq)*100, 2))
}
cpave1(df5$MyVariable)
# V1 CumPercent
#1 1.00 1.38
#2 1.33 2.76
#3 1.50 3.45
#4 1.83 4.83
#5 2.00 6.21
#6 2.17 8.28
#7 2.33 12.41
#8 2.50 13.79
#...
我认为 data.table 是最好的方法：
不做函数的解决方法很简单：
library(data.table)
df5 <- data.table(df5)
df5[, .N, MyVariable][order(MyVariable)][, .(MyVariable, CumPercent = round(cumsum(N) / sum(N), 4) * 100)]
或者如果你想做一个函数：
library(data.table)
df5 <- data.table(df5)
cpave2 <- function(data, colname) {
data[, .N, get(colname)][order(get)][, .(Values = get,
CumPercent = round(cumsum(N) / sum(N), 4) * 100)]
}
cpave2(df5, 'MyVariable')
最近的更改（无论是在 R 中还是在其他地方）使我以前工作的功能停止工作。该函数旨在生成两列，告诉我百分比分数是多少（请参阅 df2$CumPercent 是针对调查中的给定分数（请参阅 df2$V1）。因此，我对手动版本进行了一些更改逻辑，运行良好。当我在一个函数中应用相同的逻辑时，它会吐出一个错误，指出未找到 Var1 变量。任何想法这里可能出了什么问题？
df5 <- structure(list(MyVariable = c(4.66666666666667, 2.16666666666667,
5.66666666666667, 4.5, 5.16666666666667, 4.5, 1, 3.83333333333333,
2, 4, 2.33333333333333, 5.5, 5.66666666666667, 2.66666666666667,
5.66666666666667, 2.83333333333333, 4.33333333333333, 5.33333333333333,
5.66666666666667, 4.33333333333333, 2.33333333333333, 4.5, 3.66666666666667,
3.83333333333333, 2, 5, 2.83333333333333, 3, 4.83333333333333,
5.16666666666667, 3, 5.16666666666667, 1.33333333333333, 5.16666666666667,
2.16666666666667, 4, 3.66666666666667, 4, 3.5, 4.5, 3, 5.16666666666667,
4.83333333333333, 4.66666666666667, 3.16666666666667, 4.16666666666667,
2.83333333333333, 4.83333333333333, 2.66666666666667, 4.16666666666667,
5.16666666666667, 6.16666666666667, 1.83333333333333, 3.33333333333333,
4.5, 4.83333333333333, 5.5, 4.33333333333333, 4.33333333333333,
4.83333333333333, 2.33333333333333, 4.5, 4.16666666666667, 5.5,
4.5, 4.83333333333333, 5, 1, 4.5, 5, 2.33333333333333, 4, 3.5,
3.33333333333333, 4.66666666666667, 1.5, 5.83333333333333, 4.33333333333333,
5.16666666666667, 3.33333333333333, 4.66666666666667, 6, 4.33333333333333,
2.16666666666667, 4.16666666666667, 5.83333333333333, 3.66666666666667,
5, 5.83333333333333, 4.33333333333333, 4.33333333333333, 4.66666666666667,
4.83333333333333, 5.16666666666667, 5, 3.5, 5, 5.5, 4.66666666666667,
5.33333333333333, 5.5, 3.66666666666667, 1.83333333333333, 2.33333333333333,
5, 5.83333333333333, 4.66666666666667, 4.83333333333333, 5.83333333333333,
3.66666666666667, 3.33333333333333, 2.5, 5.33333333333333, 4.16666666666667,
4.16666666666667, 3.5, 3, 5.16666666666667, 3.66666666666667,
5.83333333333333, 4, 5.33333333333333, 6, 3.16666666666667, 2.33333333333333,
4.66666666666667, 5.66666666666667, 3.5, 4.66666666666667, 1.33333333333333,
4, 4.33333333333333, 3.5, 3.16666666666667, 5.16666666666667,
4.66666666666667, 2.83333333333333, 4, 2.5, 2.83333333333333,
4.83333333333333, 5.33333333333333, 4.5, 3.83333333333333, 4)), row.names = c(NA,
-145L), class = "data.frame")
#Manual version of the cumulative percent logic (which works as intended)
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(df5$MyVariable)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
#Now attempt to convert into a function.
cpave1 <- function(x) {
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(x)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
}
#Apply function to the MyVariable column.
MyVariable <- cpave1(df5$MyVariable)
如错误消息所示，您的数据中没有 "Var1" 列。该列名为 x。这是您函数的更短更新版本，returns 具有相同的输出。
cpave1 <- function(x) {
df <- type.convert(data.frame(table(x)), as.is = TRUE)
data.frame(V1 = round(df$x ,2),
CumPercent = round(cumsum(df$Freq)/sum(df$Freq)*100, 2))
}
cpave1(df5$MyVariable)
# V1 CumPercent
#1 1.00 1.38
#2 1.33 2.76
#3 1.50 3.45
#4 1.83 4.83
#5 2.00 6.21
#6 2.17 8.28
#7 2.33 12.41
#8 2.50 13.79
#...
我认为 data.table 是最好的方法：
不做函数的解决方法很简单：
library(data.table)
df5 <- data.table(df5)
df5[, .N, MyVariable][order(MyVariable)][, .(MyVariable, CumPercent = round(cumsum(N) / sum(N), 4) * 100)]
或者如果你想做一个函数：
library(data.table)
df5 <- data.table(df5)
cpave2 <- function(data, colname) {
data[, .N, get(colname)][order(get)][, .(Values = get,
CumPercent = round(cumsum(N) / sum(N), 4) * 100)]
}
cpave2(df5, 'MyVariable')