按照两个变量聚合一个值

Question

我有一个类似于下面的数据框：

AgeBracket    No of People     No of Jobs
18-25               2               5
18-25               2               2
26-34               4               6
35-44               4               0
26-34               2               3 
35-44               1               7
45-54               3               2

我希望你能将数据聚合起来，使其看起来像下面这样：

AgeBracket     1Person    2People    3People    4People
18-25             0          3.5        0          0
26-34             0           3         0          6
35-44             7           0         0          0
45-54             0           0         2          0

所以沿着Y轴是年龄段，沿着X（顶行）是人数，而在单元格中显示的是该年龄段和人数的平均工作数量。

我认为这与聚合有关，但在任何网站上都找不到类似的内容。

- MLPNPC

Answer 1

这里是使用 dcast 的 data.table 方法。

library(data.table)

setnames(dcast(df, AgeBracket ~ People, value.var="Jobs", fun.aggregate=mean, fill=0),
         c("AgeBracket", paste0(sort(unique(df$People)), "Person")))[]

在这里，dcast 用于重塑数据，将人员作为单独的变量。使用 fun.aggregate 计算不同年龄段和人员组合下的工作平均数。 fill 设置为0。 setnames 用于重命名变量，因为默认值是整数值。在末尾使用 [] 打印结果。

   AgeBracket 1Person 2Person 3Person 4Person
1:      18-25       0     3.5       0       0
2:      26-34       0     3.0       0       6
3:      35-44       7     0.0       0       0
4:      45-54       0     0.0       2       0

这段文字可以分成两行，这样更易于阅读。

# reshape wide and calculate means
df.wide <- dcast(df, AgeBracket ~ People, value.var="Jobs", fun.aggregate=mean, fill=0)
# rename variables
setnames(df.wide, c("AgeBracket", paste0(names(df.wide)[-1], "Person")))

- lmo

---

我需要哪个包/库来使用dcast？ - MLPNPC

抱歉，这个版本的 dcast 是来自于 data.table。 - lmo

reshape2中的dcast函数可能也可以不做（太多）更改就能使用，但是setnames是一个用于重命名变量的data.table函数。 - lmo

Answer 2

假设df是您的数据框，则可以使用BaseR中的平均函数进行聚合，但我认为Imo建议的data.table方法更快：

agg <- aggregate(No.of.Jobs ~ AgeBracket + No.of.People,data=df,mean)
fin <- reshape2::dcast(agg,AgeBracket ~ No.of.People)
fin[is.na(fin)] <- 0
names(fin) <- c("AgeBracket",paste0("People",1:4))

根据@Imo的建议，可以用一行代码实现：

reshape2::dcast(df, AgeBracket ~ No.of.People, value.var="No.of.Jobs", fun.aggregate=mean, fill=0)

我们只需要在此之后重命名列。

输出：

 AgeBracket People1 People2 People3 People4
1      18-25       0     3.5       0       0
2      26-34       0     3.0       0       6
3      35-44       7     0.0       0       0
4      45-54       0     0.0       2       0

- PKumar

---

请注意，此处的 dcast 语法与 data.table（v1.10.4）和 reshape2（v1.4.1）包相同，因此您的前三行可以合并为我的第一行，如 reshape2::dcast(df, AgeBracket ~ People, value.var="Jobs", fun.aggregate=mean, fill=0)。这是我给你的额外建议。 - lmo

@Imo 感谢您的回复，总是很高兴听到专家的意见。我认为 data.table 的解决方案更好，我知道您想要传达什么，我只是试图让解决方案更简单。 - PKumar

当然。除了速度之外，data.table的dcast的第二个优点是它可以一次转换多个变量，在更宽的数据集中非常方便。 - lmo