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

问题描述

我是新来的，并且试图进行以下转换，没有任何运气。我在互联网上进行了搜索，我发现了在ddply中做同样的例子，但是我想使用dplyr。

我有以下数据： p>

 月类型计数
 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 4月14日ccc 1192 
 9四月-14 aaa 4793 
 10五月-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

 每个
的月份类型计数1 Feb-14 bbb 341 9.6％
 2 Feb-14 ccc 527 14.87％
 3 Feb-14 aaa 2674 .. 
 .. ... ... ... 
  

我试过

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

这将给出1作为每个值。如何在本月的所有类型中计算总和？

解决方案

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），'％' ））
  

我们还可以使用 left_join 总结 sum（count） by'month'

或使用数据的选项。表。

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

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.

I have the following data:

   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
..    ...  ...   ...

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    ..
..    ...  ...   ...

I've tried

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

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

解决方案

Try

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

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

Or an option using data.table.

 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查找子组中的百分比并进行汇总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！