在dplyr中使用group by并计算百分比

Question

我将以下数据框中的内容导入到了R中

   Service      Container_Pick_Day
    ABC              0
    ABC              1
    ABC              1
    ABC              2
    ABC              NA
    ABC              0
    ABC              1
    DEF              NA
    DEF              0
    DEF              1
    DEF              1
    DEF              1
    DEF              2
    DEF              1

列 Container_Pick_Day 是数值型的，并包含 NA 值。 我想要做的是计算每个 Service 在 0天、1天、2天等 后提取容器的百分比，忽略 NA 值。

期望得到的数据框如下：

 Service      Container_Pick_Day      Percentage
    ABC              0                (2/6)*100 = 33.33 
    ABC              1                (3/6)*100 = 50  
    ABC              2                (1/6)*100 = 16.67
    DEF              0                (1/6)*100 = 16.67
    DEF              1                (3/6)*100 = 50
    DEF              2                (1/6)*100 = 16.67

我在R中进行了以下操作，但输出结果中出现了NA值。

  df%>% 
     group_by(Service) %>%
     summarise(pick_day_perc = n()/sum(Container_Pick_Day),na.rm=T) %>% 
     as.data.frame()

我需要按照 Service 和 Container_Pick_Day 两个方面进行分组吗？

- Neil

---

看起来你只需要 sum(Container_Pick_Day, na.rm=TRUE)？ - Remko Duursma

我想要按服务分类和日期获取集装箱提取百分比。即在同一天、第1天、第2天提取的集装箱百分比。 - Neil

也许可以像这样：df％>% filter（！is.na（Container_Pick_Day））％>% group_by（Service，Container_Pick_Day）％>% summarise（Percentage = n()）％>% group_by（Service）％>% mutate（Percentage = Percentage / sum（Percentage）* 100）。猜测还有更简洁的解决方案。 - nicola

你可以使用count函数，即df %>% filter(complete.cases(Container_Pick_Day)) %>% count(Service, Container_Pick_Day) %>% group_by(Service) %>% transmute(Container_Pick_Day, Percentage=n/sum(n)*100)。这将计算每个服务下完整数据中Container_Pick_Day的频数，并按服务进行分组，并在最终结果中显示Container_Pick_Day和该日占其服务总选箱数的百分比。 - akrun

@nicola 提供的代码稍有不同，可以是 df %>% na.omit() %>% group_by_all() %>% summarise(ptg = n()) %>% group_by(Service) %>% mutate(ptg = prop.table(ptg)*100)。 - Sotos

Answer 1

基于 @nicola、@akrun 和我自己上面所有评论的内容，我添加了一个答案：

library(dplyr)

#nicola
df %>% 
 filter(!is.na(Container_Pick_Day)) %>% 
 group_by(Service,Container_Pick_Day) %>% 
 summarise(Percentage=n()) %>% 
 group_by(Service) %>% 
 mutate(Percentage=Percentage/sum(Percentage)*100)

#akrun
df %>% 
 filter(complete.cases(Container_Pick_Day)) %>% 
 count(Service, Container_Pick_Day) %>% 
 group_by(Service) %>% 
 transmute(Container_Pick_Day, Percentage=n/sum(n)*100)

#Sotos
df %>% 
 na.omit() %>% 
 group_by_all() %>% 
 summarise(ptg = n()) %>% 
 group_by(Service) %>% 
 mutate(ptg = prop.table(ptg)*100)

所有的结果都指向，

Service Container_Pick_Day Percentage
   <fctr>              <int>      <dbl>
1     ABC                  0   33.33333
2     ABC                  1   50.00000
3     ABC                  2   16.66667
4     DEF                  0   16.66667
5     DEF                  1   66.66667
6     DEF                  2   16.66667

- Sotos