求问用R语言进行区间的统计

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

示例数据，共有两列
1        42                        
1        65                        
1        79                        
1        164                        
2        34                        
2        58                        
2        103                        
3        5                        
3        109                        
                                
想得到的结果，就是第一列为1时，第二列和第三列输出统计范围的区间，第四列输出这个范围有多少个数据，第五列是数据占总数据的比列                                
                                
1        0            99          3        0.3333333333 (这个区间的数值占总数的比例，本例共9个数，即3除以9）
1        100        199        1        0.1111111111
2        0            99          2        0.2222222222
2        100        199        1        0.1111111111
3        0            99          1        0.1111111111
3        100        199        1        0.1111111111

实际数据量很大，求用R语言实现
这个苦苦思索了好长时间，无解，恳求高人帮助

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：R语言 实际数据 统计

“想得到的结果，就是第一列为1时”第一列为1指的是两列的数据中只计算第一列为1的 对应的第二列的情况？
另外最大值已知吗？

zl66983279 发表于 2016-5-30 11:27
“想得到的结果，就是第一列为1时”第一列为1指的是两列的数据中只计算第一列为1的 对应的第二列的情况？

对，是的，第1列为1时，对其对应第二列数值分布进行统计；第1列为2时，对其对应第二列数值分布进行统计。最大值已知，但是每组都不一样

时间不多 你要的基本上写出来了 剩下的你自己调调吧
data<- data.frame(c1=c(1,1,1,2,2,2,3,3,3),c2=c(45,128,259,321,1233,63,121,223,1232)) #设原始数据为data，两列分别为c1，c2
j <- unique(data$c1)   #将c1列去重
for (i in j) {  #按每个c1循环
new_data<- data[data$c1==i,]  
max_num<- max(new_data[,2]) #找到每个c1的最大值
max_range<-(max_num%/%100+1)*100-1  #找到最大的范围值
range<- cut(new_data[,2],seq(-1,max_range,100))  #从-1到最大值范围值区间化
data[data$c1==i,"c3"]<- as.character(range) #将区间值加到源数据中
}
new<- as.data.frame( table(data[,c(1,3)]))  #统计区间值
new<-new[new$Freq>0,]
sum_num<- sum(data$c2)     #求c2列之和
new<- cbind(new,new$Freq/sum_num)

data<- data.frame(c1=c(1,1,1,2,2,2,3,3,3),c2=c(45,128,259,321,1233,63,121,223,1232)) #设原始数据为data，两列分别为c1，c2
j <- unique(data$c1)   #将c1列去重
for (i in j) {  #按每个c1循环
new_data<- data[data$c1==i,]  
max_num<- max(new_data[,2]) #找到每个c1的最大值
max_range<-(max_num%/%100+1)*100-1  #找到最大的范围值
range<- cut(new_data[,2],seq(-1,max_range,100))  #从-1到最大值范围值区间化
data[data$c1==i,"c3"]<- as.character(range) #将区间值加到源数据中
}
new<- as.data.frame( table(data[,c(1,3)]))  #统计区间值
new<-new[new$Freq>0,]
sum_num<- sum(data$c2)     #求c2列之和
new<- cbind(new,new$Freq/sum_num)

data<- data.frame(c1=c(1,1,1,2,2,2,3,3,3),c2=c(45,128,259,321,1233,63,121,223,1232)) #设原始数据为data
j <- unique(data$c1)   #将c1列去重
for (i in j) {  #按每个c1循环
new_data<- data[data$c1==i,]  
max_num<- max(new_data[,2]) #找到每个c1的最大值
max_range<-(max_num%/%100+1)*100-1  #找到最大的范围值
range<- cut(new_data[,2],seq(-1,max_range,100))  #从-1到最大值范围值区间化
data[data$c1==i,"c3"]<- as.character(range) #将区间值加到源数据中
}
new<- as.data.frame( table(data[,c(1,3)]))  #统计区间值
new<-new[new$Freq>0,]
sum_num<- sum(data$c2)     #求c2列之和
new<- cbind(new,new$Freq/sum_num)

排版不知道怎么着有问题

我需要用到dplyr包，另外我用'[['来引用而不是用“美元符号”的原因是因为论坛的排 版。

1. # 加载dplyr包
   
2. library(dplyr)
   
3. # 构建分析对象
   
4. a <- data.frame(id = c(1,1,1,1,2,2,2,3,3), value = c(42,65,79,164,34,58,103,5,109))
   
5. # 将连续数据区间化
   
6. a[["interval"]] <- findInterval(a[["value"]], c(0, 100, 300))
   
7. # 拷贝到分析用的数据框
   
8. result <- a[,-2]
   
9. # 按分组计算重复值的个数
   
10. result <- tally(group_by(result, id, interval))
    
11. # 计算比例
    
12. result[["ratio"]] <- result[["n"]] / sum(result[["n"]])
    
13. # 构建区间的上下边界
    
14. result[["low"]] <- (result[["interval"]] - 1) * 100
    
15. result[["high"]] <- result[["interval"]] * 100 - 1
    
16. # 重排一下列的顺序
    
17. result <- result[, c(1,5,6,3,4)]
    
18. # 观察分析结果
    
19. result
    
20. Source: local data frame [6 x 5]
    
21. Groups: id [3]
    
22. 
    
23.      id   low  high     n     ratio
    
24.   (dbl) (dbl) (dbl) (int)     (dbl)
    
25. 1     1     0    99     3 0.3333333
    
26. 2     1   100   199     1 0.1111111
    
27. 3     2     0    99     2 0.2222222
    
28. 4     2   100   199     1 0.1111111
    
29. 5     3     0    99     1 0.1111111
    
30. 6     3   100   199     1 0.1111111

复制代码

谢谢解答,问题已解决

cheetahfly 发表于 2016-5-30 15:04
我需要用到dplyr包，另外我用'[['来引用而不是用“美元符号”的原因是因为论坛的排 版。

太及时了，谢谢老师