投射多个由fun.aggregate控制的value.var [英] Casting multiple value.var controled by fun.aggregate

问题描述

我有以下数据集

  client_id<-c（ A， A， B，  B， B， B， B， A， A， B， B）
值<-c（10，35，20，30， 50、40、30、40、30、40、10）
 period_30<-c（1、1、1、0、0、0、0、0、0、0、0）
 period_60<-c（1，1，1，1，1，0，0，0，0，0，0）
符号<-c（ D， D， D，  D， C， C， C， D， D， D， D）
 
 data<-data.frame（client_id，值，period_30，period_60，符号）
  

我可以使用此代码来计算每个给定的时间段，其代码如下：

 库（data.table）
 test<-dcast（setDT（data） ，client_id〜paste0（ period_30，sign），value.var = period_30，sum）
  

但我还要根据不同的分割来计算值。

预期结果如下所示：

  client_id av.value_period_30_sign_D av.value_period_60_sign_D av.value_period_30_sign_C av.value_period_30_sign_D 
 A 34.16667 NaN NaN NaN 
B 30.00000 34.16667 NaN  
 
 
然后，它应该可以扩展到周期1中类型为X的其他拆分，例如符号X的平均值。
 
 
 
我不确定这种方法是否可以实现所需的输出。但是我正在查看 fun.aggregate 参数。也许可以结合使用多个 value.var 参数？ 
 
 
 
更新：Joel的代码回答了问题的第一部分。 
  client_id sign period_30 period_60 
 AD 34.16667 34.16667 
 BD 30.00000 34.16667 
 BC NaN 27.50000 
  
但是我该如何转置变量并根据拆分自动分配名称？
解决方案
另一种方法（会更快）正在使用 data.table  
 
 
 
基于对问题的编辑：（希望代码现在可以自我解释）
  library（data.table）
 data1<-setDT（data）[，lapply（.SD，function（x）mean（value [x == 1]）），
 .SDcols = period_30：period_60，
 by =。（client_id，sign）] 
＃`dcast`，如果也是来自data.table包
 dcast（data1，client_id〜sign，drop = FALSE， value.var = c（ period_30， period_60））
＃client_id period_30_C period_30_D period_60_C period_60_D 
＃1：A不适用34.16667不适用34.16667 
＃2：B不适用30.00000 27.5 34.16667 
  
 
I have the following dataset
client_id <- c("A", "A", "B", "B", "B", "B", "B", "A", "A", "B", "B")
value <- c(10, 35, 20, 30, 50, 40, 30, 40, 30, 40, 10)
period_30 <- c(1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0)
period_60 <- c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0)
sign <- c("D", "D", "D", "D", "C", "C", "C", "D", "D", "D", "D")

data <- data.frame(client_id, value, period_30, period_60, sign)
I can use this code to count the number of different splits per given period with the code below: 
library(data.table)
test<- dcast(setDT(data), client_id ~ paste0("period_30", sign), value.var = "period_30", sum)
But I would like to also calculate the value as per the different splits. 

The expected outcome would look like this: 
client_id       av.value_period_30_sign_D   av.value_period_60_sign_D   av.value_period_30_sign_C   av.value_period_30_sign_D
    A                     34.16667                      NaN                  NaN                                   NaN
    B                     30.00000                    34.16667               NaN                               27.50000
And then, it should be extendable to additional splits, like average value of sign X, of type X in period 1. 

I am not sure if the desired output is doable with this approach. But I was looking at the fun.aggregate argument. Perhaps it could be used in combination with multiple value.var arguments? 

Update: Joel's code answers the first part of the question. 
client_id   sign    period_30   period_60 
    A         D     34.16667    34.16667
    B         D     30.00000    34.16667
    B         C     NaN         27.50000
But how do I transpose the variables and assign the names as per the splits automatically?
解决方案
another method(would be faster) is using data.table

Based on the edit made to the question :(hope the code is self explanatory now)
library(data.table)
data1 <- setDT(data)[, lapply(.SD, function(x) mean(value[x==1])),
                      .SDcols = period_30:period_60,
                      by = .(client_id, sign)]
# `dcast` if also from `data.table` package
dcast(data1, client_id~sign, drop = FALSE, value.var = c("period_30", "period_60"))
#   client_id period_30_C period_30_D period_60_C period_60_D
#1:         A          NA    34.16667          NA    34.16667
#2:         B         NaN    30.00000        27.5    34.16667


                        
这篇关于投射多个由fun.aggregate控制的value.var的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！