按组和列加权平均 [英] weighted means by group and column

问题描述

我希望得到几个（实际上是大约60个）列中的每一个的加权平均值。这个问题非常类似于：反复申请对于在数据框中计算组意味着什么，刚刚被问到。

我已经想出了两种获得加权的方法：

1. 为每列使用单独的 sapply 语句
   
2. for循环内 sapply 语句

然而，我觉得必须有一种方法来在 sapply 中插入 apply 语句，反之亦然，从而消除 for-loop 。我尝试了许多排列而没有成功。我还看了 sweep 函数。

这是我目前使用的代码。 b
$ b

  df < -  read.table（text =
地区州县权重y1980 y1990 y2000 
 1 1 1 10 100 200 50 
 1 1 2 5 50 100 200 
 1 1 3 120 1000 500 250 
 1 1 4 2 25 100 400 
 1 1 4 15 125 150 200 
 
 2 2 1 1 10 50 150 
 2 2 2 10 10 10 200 
 2 2 2 40 40 100 30 
 2 2 3 20 100 100 10 
 header = TRUE，na.strings = NA）
 
＃向数据集添加一个组变量
 
组< -  paste（df $ region，'_'，df $ state，'_'，df $ co unty，sep =）
 df<  -  data.frame（group，df）
 
＃获得y1980，y1990和y2000的加权平均值
＃ （x，y，x，y），
 $ b sapply（split（df，df $ group），function（x）weighted.mean（x $ y1980，w = x $ weights））
 sapply split（df，df $ group），function（x）weighted.mean（x $ y1990，w = x $ weights））
 sapply（split（df，df $ group），function（x）weighted.mean （x $ y2000，w = x $权重））
 
＃使用for循环获得y1980，y1990和y2000 
＃的一列的加权平均值
 
y < -  matrix（NA，nrow = 7，ncol = 3）
 group.b <-df [！duplicated（df $ group），1] 
 
 for （分割（df [，c（1：5，i）]，df $组），函数（ x）weighted.mean（x [，6]，w = x $ weights））
 
} 
 
＃将加权平均值加到原始数据集
 
 y2 < -  data.frame（group.b，y）
 colnames（y2）<-c（'group'，'ave1980'，'ave1990'，'ave2000'）
 y2 
 
 y3 < -  merge（df，y2，by = c（'group'），all = TRUE）
 y3 
  

对不起，我最近的问题，并感谢您的任何意见。

编辑显示 y3
$ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ 1 $ 200 50 100.0000 200.0000 50.0000
2 1_1_2 1 1 2 5 50 100 200 50.0000 100.0000 200.0000
3 1_1_3 1 1 3 120 1000 500 250 1000.0000 500.0000 250.0000
4 1_1_4 1 1 4 2 25 100 400 113.2353 144.1176 223.5294
5 1_1_4 1 1 4 15 125 150 200 113.2353 144.1176 223.5294
6 2_2_1 2 2 1 1 10 50 150 10.0000 50.0000 150.0000
7 2_2_2 2 2 10 10 10 200 34.0000 82.0000 64.0000
8 2_2_2 2 2 2 40 40 100 30 34.0000 82.0000 64.0000
9 2_2_3 2 2 3 20 100 100 10 100.0000 100.0000 10.0000

解决方案我建议使用package data.table：

  library（data.table）
 dt < -  as.data.table（df）
 dt2 <-dt [，lapply（.SD，weighted.mean，w = weights），by = list（region，state，county）] 
 print（dt2）
 
地区州郡权重y1980 y1990 y2000 
 1：1 1 1 10.00000 100.0000 200.0000 50.0000 
 2：1 1 2 5.00000 50.0000 100.0000 200.0000 
 3：1 1 3 120.00000 1000.0000 500.0000 250.0000 
 4：1 1 4 13.47059 113.2353 144.1176 223.5294 
 5：2 2 1 1.00000 10.0000 50.0000 150.0000 
 6：2 2 2 34.00000 34.0000 82.0000 64.0000 
 7：2 2 3 20.00000 100.0000 100.0000 10.0000 
  

如果您希望 merge wi之后的原始data.table：

  merge（dt，dt2，by = c（region，state， 县））
 
地区州权重x y1980.x y1990.x y2000.x权重yy1980.y y1990.y y2000.y 
 1：1 1 1 10 100 200 50 10.00000 100.0000 200.0000 50.0000 
 2：1 1 2 5 50 100 200 5.00000 50.0000 100.0000 200.0000 
 3：1 1 3 120 1000 500 250 120.00000 1000.0000 500.0000 250.0000 
 4：1 1 4 2 25 100 400 13.47059 113.2353 144.1176 223.5294 
 5：1 1 4 15 125 150 200 13.47059 113.2353 144.1176 223.5294 
 6：2 2 1 1 10 50 150 1.00000 10.0000 50.0000 150.0000 
 7：2 2 2 10 10 10 200 34.00000 34.0000 82.0000 64.0000 
 8：2 2 2 40 40 100 30 34.00000 34.0000 82.0000 64.0000 
 9：2 2 3 20 100 100 10 20.00000 100.0000 100.0000 10.0000 
  

I wish to obtain weighted means by group for each of several (actually about 60) columns. This question is very similar to: repeatedly applying ave for computing group means in a data frame just asked.

I have come up with two ways to obtain the weighted means so far:

1. use a separate sapply statement for each column
2. place an sapply statement inside a for-loop

However, I feel there must be a way to insert an apply statement inside the sapply statement or vice versa, thereby eliminating the for-loop. I have tried numerous permutations without success. I also looked at the sweep function.

Here is the code I have so far.

df <- read.table(text= "
          region    state  county  weights y1980  y1990  y2000
             1        1       1       10     100    200     50
             1        1       2        5      50    100    200
             1        1       3      120    1000    500    250
             1        1       4        2      25    100    400
             1        1       4       15     125    150    200

             2        2       1        1      10     50    150
             2        2       2       10      10     10    200
             2        2       2       40      40    100     30
             2        2       3       20     100    100     10
", header=TRUE, na.strings=NA)

# add a group variable to the data set

group <- paste(df$region, '_', df$state, '_', df$county, sep = "")
df    <- data.frame(group, df)

# obtain weighted averages for y1980, y1990 and y2000 
# one column at a time using one sapply per column

sapply(split(df, df$group), function(x) weighted.mean(x$y1980, w = x$weights))
sapply(split(df, df$group), function(x) weighted.mean(x$y1990, w = x$weights))
sapply(split(df, df$group), function(x) weighted.mean(x$y2000, w = x$weights))

# obtain weighted average for y1980, y1990 and y2000
# one column at a time using a for-loop

y <- matrix(NA, nrow=7, ncol=3)
group.b <- df[!duplicated(df$group), 1]

for(i in 6:8) { 

    y[,(i-5)] <- sapply(split(df[,c(1:5,i)], df$group), function(x) weighted.mean(x[,6], w = x$weights))

}

# add weighted averages to the original data set

y2 <- data.frame(group.b, y)
colnames(y2) <- c('group','ave1980','ave1990','ave2000')
y2

y3 <- merge(df, y2, by=c('group'), all = TRUE)
y3

Sorry for all of my questions lately, and thank you for any advice.

EDITED to show y3

  group region state county weights y1980 y1990 y2000   ave1980  ave1990  ave2000
1 1_1_1      1     1      1      10   100   200    50  100.0000 200.0000  50.0000
2 1_1_2      1     1      2       5    50   100   200   50.0000 100.0000 200.0000
3 1_1_3      1     1      3     120  1000   500   250 1000.0000 500.0000 250.0000
4 1_1_4      1     1      4       2    25   100   400  113.2353 144.1176 223.5294
5 1_1_4      1     1      4      15   125   150   200  113.2353 144.1176 223.5294
6 2_2_1      2     2      1       1    10    50   150   10.0000  50.0000 150.0000
7 2_2_2      2     2      2      10    10    10   200   34.0000  82.0000  64.0000
8 2_2_2      2     2      2      40    40   100    30   34.0000  82.0000  64.0000
9 2_2_3      2     2      3      20   100   100    10  100.0000 100.0000  10.0000

解决方案

I suggest to use package data.table:

library(data.table)
dt <- as.data.table(df)
dt2 <- dt[,lapply(.SD,weighted.mean,w=weights),by=list(region,state,county)]
print(dt2)

   region state county   weights     y1980    y1990    y2000
1:      1     1      1  10.00000  100.0000 200.0000  50.0000
2:      1     1      2   5.00000   50.0000 100.0000 200.0000
3:      1     1      3 120.00000 1000.0000 500.0000 250.0000
4:      1     1      4  13.47059  113.2353 144.1176 223.5294
5:      2     2      1   1.00000   10.0000  50.0000 150.0000
6:      2     2      2  34.00000   34.0000  82.0000  64.0000
7:      2     2      3  20.00000  100.0000 100.0000  10.0000

If you want you can merge with the original data.table afterwards:

merge(dt,dt2,by=c("region","state","county"))

   region state county weights.x y1980.x y1990.x y2000.x weights.y   y1980.y  y1990.y  y2000.y
1:      1     1      1        10     100     200      50  10.00000  100.0000 200.0000  50.0000
2:      1     1      2         5      50     100     200   5.00000   50.0000 100.0000 200.0000
3:      1     1      3       120    1000     500     250 120.00000 1000.0000 500.0000 250.0000
4:      1     1      4         2      25     100     400  13.47059  113.2353 144.1176 223.5294
5:      1     1      4        15     125     150     200  13.47059  113.2353 144.1176 223.5294
6:      2     2      1         1      10      50     150   1.00000   10.0000  50.0000 150.0000
7:      2     2      2        10      10      10     200  34.00000   34.0000  82.0000  64.0000
8:      2     2      2        40      40     100      30  34.00000   34.0000  82.0000  64.0000
9:      2     2      3        20     100     100      10  20.00000  100.0000 100.0000  10.0000

这篇关于按组和列加权平均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！