최근 Stata에서 R로 마이그레이션했습니다. 그룹화 된 또는 그룹화되지 않은 관측에 대해 설명적인 통계를 계산하는 방법을 확신 할 수 없습니다.그룹화 된 또는 그룹화되지 않은 관측에 대한 설명 통계
dput(DF)
structure(list(Product_Name = c("iPhone", "iPhone", "iPhone",
"iPhone", "iPhone", "iPhone", "Nexus 6P", "Nexus 6P", "Nexus 6P",
"Nexus 6P", "Nexus 6P", "Nexus 6P"), Product_Type = c("New",
"New", "Refurbished", "New", "New", "Refurbished", "Refurbished",
"Refurbished", "Refurbished", "Refurbished", "Refurbished", "Refurbished"
), Year = c(2006, 2011, 2009, 2008, 2011, 2009, 2012, 2007, 2013,
2015, 2009, 2010), Units = c(100, 200, 300, 400, 500, 600, 700,
200, 120, 125, 345, 340)), .Names = c("Product_Name", "Product_Type",
"Year", "Units"), row.names = c(NA, 12L), class = "data.frame")
내 데이터 년 유형에 의해 판매되는 제품이 있습니다
여기 내 데이터입니다. 각 제품은 리퍼 비시 제품 또는 신제품 일 수 있습니다. 또한 2010 년 이전에 판매 된 경우 '시간 1'에 판매 된 것으로 표시하고 그렇지 않은 경우 '시간 2'에 판매 된 것으로 표시합니다.
여기이 내 코드입니다 :
DF[DF$Year<2010,"Time"]<-"1"
DF[DF$Year>=2010,"Time"]<-"2"
을 지금, 나는이 기간에 대한 기술 통계를 생성합니다. 우리는 위의 코드를 실행하면
DF %>%
group_by(Product_Name, Product_Type,Time) %>%
dplyr::summarise(Count = n(),
Sum_Units = sum(Units,na.rm=TRUE),
Avg_Units = mean(Units,na.rm = TRUE),
Max_Units=max(Units,na.rm = TRUE))
, 우리는 Product_Name, Product_Type으로 기술 통계를 얻을 것이며, Time는 (즉 기술 통계를 분류). 그러나 이것은 내가 원하는 것이 아닙니다. Product_Type 및 Time으로 그룹화를 고려하거나 고려하지 않고 설명 통계를 원합니다. 즉, 위의 그룹화 된 정보 중 일부를 유지하면서 제품이 Time 1 또는 Time 2 (즉, 모든 연도) 및 판매 된 제품의 유형에 관계없이 판매되었다고 가정 할 때 설명 통계를 계산할 수 있습니다.
예상 출력 : 출력에서
dput(DFOut)
structure(list(Product_Name = c("iPhone", "Nexus 6P"), New_Units_Sum_Time1 = c(500,
NA), Refurbished_Units_Sum_Time_1 = c(900, 545), Sum_Units_Time1 = c(1400,
545), Sum_Units_Time2 = c(700, 1285), Sum_Units_Time_1_And_2 = c(2100,
1830), Avg_Units_Time1 = c(350, 272.5), Avg_Units_Time2 = c(350,
321.25), Avg_Units_Time_1_And_2 = c(350, 305), Max_Units_Time1 = c(600,
345), Max_Units_Time2 = c(500, 700), Max_Units_Time_1_And_2 = c(600,
700)), .Names = c("Product_Name", "New_Units_Sum_Time1", "Refurbished_Units_Sum_Time_1",
"Sum_Units_Time1", "Sum_Units_Time2", "Sum_Units_Time_1_And_2",
"Avg_Units_Time1", "Avg_Units_Time2", "Avg_Units_Time_1_And_2",
"Max_Units_Time1", "Max_Units_Time2", "Max_Units_Time_1_And_2"
), row.names = 1:2, class = "data.frame")
, 당신은 내가 몇 가지 기술 통계를 볼 것입니다 :
A) 제품의 종류가 판매 된 기간에 따라 (예를 들어, New_Units_Sum_Time1 즉 New 및 Time1). 출력에서 New과 Time1의 조합 만 표시했음을 유의하십시오. Refurbished과 Time의 다른 조합에 대한 설명 통계를 작성하는 방법을 알려 주시면 정말 좋을 것입니다. 제품의 형태를 무시하지만 판매 된 제품주기의 두 종류 (예컨대 Sum_Units_Time_1_And_2)를 무시에 기초하여 판매 기간 (예컨대 Sum_Units_Time1 즉 Time1)
C)를 무시하는 여부에 기초
b).
평균 및 평균값입니다.
어떻게하면됩니까? 나는 어떤 도움을 주셔서 감사합니다. 나는 이것에 정말로 고심하고있다.
Excel을 사용하여 수동으로 DFOut을 만들었습니다. 비록 내가 그것을 세 번 확인했지만, 몇 가지 수동 오류가있을 수 있습니다 - 나는 질문이있는 경우 그들을 명확히하는 것보다 더 행복 할 것입니다. 시간 내 주셔서 감사합니다.
sessionInfo()
R version 3.3.2 (2016-10-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
locale:
[1] LC_COLLATE=English_United States.1252 LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] grDevices datasets stats graphics grid tcltk utils methods base
other attached packages:
[1] tables_0.8 Hmisc_4.0-2 Formula_1.2-1 survival_2.40-1
[5] ResourceSelection_0.3-0 magrittr_1.5 stringr_1.1.0 bit64_0.9-5
[9] bit_1.1-12 tufterhandout_1.2.1 knitr_1.15.1 rmarkdown_1.3
[13] tufte_0.2 corrplot_0.77 purrr_0.2.2 readr_1.0.0
[17] tibble_1.2 tidyverse_1.1.1 cowplot_0.7.0 plotly_4.5.6
[21] ggplot2_2.2.1 maps_3.1.1 directlabels_2015.12.16 tidyr_0.6.1
[25] ggthemes_3.3.0 R2HTML_2.3.2 lubridate_1.6.0 xts_0.9-7
[29] zoo_1.7-14 lattice_0.20-34 corrgram_1.10 hexbin_1.27.1
[33] sm_2.2-5.4 compare_0.2-6 installr_0.18.0 psych_1.6.12
[37] reshape2_1.4.2 readstata13_0.8.5 pastecs_1.3-18 boot_1.3-18
[41] vcd_1.4-3 car_2.1-4 xlsxjars_0.6.1 rJava_0.9-8
[45] debug_1.3.1 dplyr_0.5.0 foreign_0.8-67 gmodels_2.16.2
[49] openxlsx_4.0.0 plyr_1.8.4
loaded via a namespace (and not attached):
[1] minqa_1.2.4 colorspace_1.3-2 class_7.3-14 modeltools_0.2-21 mclust_5.2.2
[6] rprojroot_1.2 htmlTable_1.9 base64enc_0.1-3 MatrixModels_0.4-1 flexmix_2.3-13
[11] mvtnorm_1.0-5 xml2_1.1.1 codetools_0.2-15 splines_3.3.2 mnormt_1.5-5
[16] robustbase_0.92-7 jsonlite_1.2 nloptr_1.0.4 pbkrtest_0.4-6 broom_0.4.1
[21] cluster_2.0.5 kernlab_0.9-25 httr_1.2.1 backports_1.0.5 assertthat_0.1
[26] Matrix_1.2-7.1 lazyeval_0.2.0 acepack_1.4.1 htmltools_0.3.5 quantreg_5.29
[31] tools_3.3.2 gtable_0.2.0 Rcpp_0.12.9 trimcluster_0.1-2 gdata_2.17.0
[36] nlme_3.1-128 iterators_1.0.8 fpc_2.1-10 lmtest_0.9-34 lme4_1.1-12
[41] rvest_0.3.2 gtools_3.5.0 dendextend_1.4.0 DEoptimR_1.0-8 MASS_7.3-45
[46] scales_0.4.1 TSP_1.1-4 hms_0.3 parallel_3.3.2 SparseM_1.74
[51] RColorBrewer_1.1-2 gridExtra_2.2.1 rpart_4.1-10 latticeExtra_0.6-28 stringi_1.1.2
[56] gclus_1.3.1 mvbutils_2.7.4.1 foreach_1.4.3 checkmate_1.8.2 seriation_1.2-1
[61] caTools_1.17.1 prabclus_2.2-6 bitops_1.0-6 evaluate_0.10 htmlwidgets_0.8
[66] R6_2.2.0 gplots_3.0.1 DBI_0.5-1 haven_1.0.0 whisker_0.3-2
[71] mgcv_1.8-16 nnet_7.3-12 modelr_0.1.0 KernSmooth_2.23-15 viridis_0.3.4
[76] readxl_0.1.1 data.table_1.10.0 forcats_0.2.0 digest_0.6.12 diptest_0.75-7
[81] stats4_3.3.2 munsell_0.4.3 registry_0.3 viridisLite_0.1.3 quadprog_1.5-5
기본적으로 매번 다른 그룹화 변수가 필요합니다 ...? 일련의'group_by %> % ... %> % ungroup() .... %> % ... group_by..'? – Sotos
@Sotos - 항상 도와 주셔서 다시 한 번 감사드립니다. 네, 단 한 가지 명확한 설명은 여러 개의 레이어가 있다는 것입니다 : a) 제품 이름, 시간 및 유형에 따라 그룹화 된 b) 제품 이름, 시간 c)에 따라 그룹화 된 제품 이름에 따라 그룹화 된 a) 설명 통계. 그게 도움이 되니? – watchtower
음, 그렇습니다. 그게 내가 정확히 이해할 수있다. :) – Sotos