使用 group_by 和汇总查找子组中的百分比 [英] Finding percentage in a sub-group using group_by and summarise

问题描述

我是 dplyr 的新手，并试图在没有任何运气的情况下进行以下转换.我已经在互联网上进行了搜索，我找到了在 ddply 中执行相同操作的示例，但我想使用 dplyr.

I am new to dplyr and trying to do the following transformation without any luck. I've searched across the internet and I have found examples to do the same in ddply but I'd like to use dplyr.

我有以下数据:

   month   type  count
1  Feb-14  bbb   341
2  Feb-14  ccc   527
3  Feb-14  aaa  2674
4  Mar-14  bbb   811
5  Mar-14  ccc  1045
6  Mar-14  aaa  4417
7  Apr-14  bbb  1178
8  Apr-14  ccc  1192
9  Apr-14  aaa  4793
10 May-14  bbb   916
..    ...  ...   ...

我想使用 dplyr 来计算每个类型(aaa、bbb、ccc)在一个月级别的百分比，即

I want to use dplyr to calculate the percentage of each type (aaa, bbb, ccc) at a month level i.e.

   month   type  count  per
1  Feb-14  bbb   341    9.6%
2  Feb-14  ccc   527    14.87%
3  Feb-14  aaa  2674    ..
..    ...  ...   ...

我试过了

data %>%
  group_by(month, type) %>%
  summarise(count / sum(count))

这给出了一个 1 作为每个值.如何计算当月所有类型的 sum(count) 总和?

This gives a 1 as each value. How do I make the sum(count) sum across all the types in the month?

推荐答案

尝试

library(dplyr)
data %>%
    group_by(month) %>%
    mutate(countT= sum(count)) %>%
    group_by(type, add=TRUE) %>%
    mutate(per=paste0(round(100*count/countT,2),'%'))

或者在不创建额外列的情况下使其更简单

Or make it more simpler without creating additional columns

data %>%
    group_by(month) %>%
    mutate(per =  100 *count/sum(count)) %>% 
    ungroup

我们也可以在将sum(count)按'month'汇总后使用left_join

We could also use left_join after summarising the sum(count) by 'month'

或者使用 data.table 的选项.

 library(data.table)
 setkey(setDT(data), month)[data[, list(count=sum(count)), month], 
               per:= paste0(round(100*count/i.count,2), '%')][]

这篇关于使用 group_by 和汇总查找子组中的百分比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！