使用聚合來促進計算

Question

所以最近我一直在學習聚合的功能，我發現它對於我使用的大數據集非常有用。通常我在Excel中手動操作數據，雖然有效，但卻非常耗時。

所以我想知道是否可以做到以下幾點。我有一個類似的結構，像這樣（但更大）的數據集：

Fruit Crate Mass 
Apple A  4 
Banana A  3.4 
Orange B  2 
Apple C  2.1 
Apple C  4.5 
Banana C  5 
Orange D  1 
Apple D  1.3 
Orange D  2.4 
Orange D  3.2 
Orange E  2 
Banana E  1.1 
Banana E  0.7 
Apple E  2 

現在我知道這個，我得到每箱重量：

TotalCrate<-aggregate(data$Mass,list(crate=data$Crate), sum)

而與此我得到大衆每箱水果：

FruitperCrate<-aggregate(data$Mass, list(fruit=data$Fruit, crate=data$Crate), sum)

現在是有辦法，我可以得到每箱水果的質量百分比，所以基本上，我有沒有辦法可以將果實質量除以每個相應包裝箱的總質量？如果是這樣，我怎麼做，以備將來參考。

任何幫助表示讚賞。

謝謝

Answer 1

1）通過Fruit和Crate然後首先骨料使用ave與prop.table獲得每個水果的比例在箱子：

ag <- aggregate(Mass ~ Fruit + Crate, data, sum) 
tr <- transform(ag, percent = 100 * ave(Mass, Crate, FUN = prop.table)) 

捐贈：

> tr 
    Fruit Crate Mass percent 
1 Apple  A 4.0 54.05405 
2 Banana  A 3.4 45.94595 
3 Orange  B 2.0 100.00000 
4 Apple  C 6.6 56.89655 
5 Banana  C 5.0 43.10345 
6 Apple  D 1.3 16.45570 
7 Orange  D 6.6 83.54430 
8 Apple  E 2.0 34.48276 
9 Banana  E 1.8 31.03448 
10 Orange  E 2.0 34.48276 

或圖形：

library(ggplot2) 
ggplot(tr, aes(Crate, percent, fill = Fruit)) + 
    geom_bar(stat = "identity") + 
    scale_fill_manual(values = c("red", "yellow", "orange")) 

使用dplyr遵循類似的邏輯可替代

library(magrittr) 
data %>% 
    do(aggregate(Mass ~ Fruit + Crate, ., sum)) %>% 
    transform(percent = 100 * ave(Mass, Crate, FUN = prop.table)) 

2）和這裏：

1A）這也可以在一個magrittr管道來表示這樣

library(dplyr) 
data %>% 
    group_by(Crate, Fruit) %>% 
    summarize(Mass = sum(Mass)) %>% 
    ungroup() %>% 
    group_by(Crate) %>% 
    mutate(percent = 100 * prop.table(Mass)) %>% 
    ungroup() 

給出：

# A tibble: 10 x 4 
    Crate Fruit Mass percent 
    <fctr> <fctr> <dbl>  <dbl> 
1  A Apple 4.0 54.05405 
2  A Banana 3.4 45.94595 
3  B Orange 2.0 100.00000 
4  C Apple 6.6 56.89655 
5  C Banana 5.0 43.10345 
6  D Apple 1.3 16.45570 
7  D Orange 6.6 83.54430 
8  E Apple 2.0 34.48276 
9  E Banana 1.8 31.03448 
10  E Orange 2.0 34.48276 

3）一個二維佈局可以用xtabs可得：

xt <- 100 * prop.table(xtabs(Mass ~ Crate + Fruit, data), 1) 

給予：

> xt 
    Fruit 
Crate  Apple Banana Orange 
    A 54.05405 45.94595 0.00000 
    B 0.00000 0.00000 100.00000 
    C 56.89655 43.10345 0.00000 
    D 16.45570 0.00000 83.54430 
    E 34.48276 31.03448 34.48276 

其可容易地在一個曲線圖中顯示這樣的：

plot(xt, col = c("red", "yellow", "orange"), 
    main = "Proportion of Mass of Fruit per Crates") 

給出：

二維佈局可以重整爲長格式與ftable：

ftable(xt, row.vars = 1:2) 

，並提供：

Crate Fruit    
A  Apple 54.05405 
     Banana 45.94595 
     Orange 0.00000 
B  Apple  0.00000 
     Banana 0.00000 
     Orange 100.00000 
C  Apple 56.89655 
     Banana 43.10345 
     Orange 0.00000 
D  Apple 16.45570 
     Banana 0.00000 
     Orange 83.54430 
E  Apple 34.48276 
     Banana 31.03448 
     Orange 34.48276 

注1：的代碼中的問題的兩行可以使用如下公式符號來書寫：

aggregate(Mass ~ Crate, data, sum) 

aggregate(Mass ~ Fruit + Crate, data, sum) 

注2：輸入在再現的形式使用是：

Lines <- "Fruit Crate Mass 
Apple A  4 
Banana A  3.4 
Orange B  2 
Apple C  2.1 
Apple C  4.5 
Banana C  5 
Orange D  1 
Apple D  1.3 
Orange D  2.4 
Orange D  3.2 
Orange E  2 
Banana E  1.1 
Banana E  0.7 
Apple E  2" 
data <- read.table(text = Lines, header = TRUE) 

Answer 2

這裏是你的解決方案，使用data.table，但一定會有別的辦法：

library(data.table) 
setDT(data) 
data[ , mass := sum(mass), by = .(crate, fruit) ] 
data <- unique(data) 
data[ , total.mass.crate := sum(mass), by = crate ] 
data[ , percentage.mass.crate := (mass/total.mass.crate) * 100 ] 

因此，我們首先彙總每個箱子內的每個水果的質量（因爲我注意一些果實在一個箱子裏不止一次被列出）以獲得箱子中該水果的總質量。然後我們添加一列來顯示每個箱子的總質量，顯示每一行的值。然後，通過將每個果實的質量除以該包裝箱的總質量，我們得到包裝箱中每個果實的質量百分比。