我经常需要计算R数据帧的新列(长格式),其值应取决于组的聚合函数(例如总和).例如,我可能想知道任何一天产品占销售额的比例：
daily fraction = revenue for product i on day d / sum or revenue for all products on day d
我目前的策略是总结和加入：
library(dplyr)
join_summary <- function(data,...) left_join(data,summarise(data,...))
data = data.frame(
day = c(1,1,2,3,3),product = rep(c("A","B"),revenue = c(2,4,8,7,9,2)
)
data2 <- data %>%
group_by(day) %>%
join_summary(daily_revenue = sum(revenue)) %>%
mutate(revenue_fraction = revenue / daily_revenue)
这有效,但我不确定它是否是反模式.在多行上重复相同的数据(每日收入)似乎有点低效,使用聚合乱丢我的数据框.我的问题是：
>我目前的做法是否正常？
>有没有更好的方法,最好使用dplyr或更广泛的Hadleyverse工具？
>我真的需要我的自定义函数join_summary,还是可以使用现有的dplyr动词完成？ (不过我更喜欢呆在“管道流”中.)
解决方法
除了使用汇总进行聚合外,您还可以使用mutate将摘要统计信息分配给完整列：
data %>%
group_by(day) %>%
mutate(
daily_revenue = sum(revenue),revenue_fraction = revenue / daily_revenue
)
这使
Source: local data frame [6 x 5]
Groups: day [3]
day product revenue daily_revenue revenue_fraction
<dbl> <fctr> <dbl> <dbl> <dbl>
1 1 A 2 6 0.3333333
2 1 B 4 6 0.6666667
3 2 A 8 15 0.5333333
4 2 B 7 15 0.4666667
5 3 A 9 11 0.8181818
6 3 B 2 11 0.1818182
这是有效的,因为值sum(revenue)会被回收以填充组中的所有行.
