根据多个分组变量计算后再选取子集问题

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

各位各位，我有个问题想请大家帮帮忙~~~

我现在想通过两个分组变量（id和group），选取layer中 中间的三个观测，我想的是先通过分组变量id和group计算layer中的中位数，然后把中位数向上取整，然后中位数加1，中位数减1，就可以确定中间的三个观测了，但是怎么用代码实现啊{:2_38:}

我想通过① group_by(id,group) %>% median(layer) ，然后报错
             ②subset（test, layer == ceiling(median(layer)) | layer == ceiling(median(layer))+1 | layer == ceiling(median(layer))-1）,但是没有用到分组变量啊！！！
             ③还有用data.table包：test[,layer == ceiling(median(layer)) | layer == ceiling(median(layer))+1 | layer == ceiling(median(layer))-1,by = list(group,id)] 出来的结果也是报错

好(；′⌒`)桑心蓝过啊，附上我的数据！！！！ test.zip (254 Bytes) 本附件包括：

• test.csv

2019-1-9 19:47:19 上传

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：ceiling median Subset Media Group

当layer的长度是奇数的时候，中间三个观测很好确定，例如长度是9时，中间三个观测即为从小到大排列后排名第4，5，6的观测
当layer的长度是偶数的时候，我这里暂且定为，例如长度是8时，中间三个观测为从小到大排列后排名第3，4，5的观测

那么下面就可以分组后取中间三个观测

1. median3 <- function(x) {
   
2.   mid <- ceiling(length(x) / 2)
   
3.   pos <- c(mid-1, mid, mid+1)
   
4.   x <- x[order(x)]
   
5.   return(x[pos])
   
6. }
   
7. aggregate(data$layer, list(data$group, data$id), median3)

复制代码

fyc7346165 发表于 2019-1-9 20:50
当layer的长度是奇数的时候，中间三个观测很好确定，例如长度是9时，中间三个观测即为从小到大排列后排名第 ...

嗯嗯，但是这样提取出来的Layer都被放到了变量x中，我想要的结果是如图排列的，这应该肿么办啊{:2_34:}

试试下面的代码

1. set.seed(666)
   
2. 
   
3. dat = data.frame(
   
4.   id = sample(1:5, 200, replace = TRUE),
   
5.   group = sample(1:5, 200, replace = TRUE),
   
6.   layer = rnorm(200)
   
7. )
   
8. 
   
9. require(dplyr)
   
10. 
    
11. dat %>% group_by(id, group) %>%
    
12.   mutate(med = median(layer),
    
13.          absdif = abs(layer - med)) %>%
    
14.   arrange(id, group, absdif) %>%
    
15.   filter(row_number() %in% 1:3) %>%
    
16.   ungroup() %>%
    
17.   select(id, group, layer)

复制代码

caimiao0714 发表于 2019-1-10 06:19
试试下面的代码

emmmm....我试了出来的不是我想要的结果，我的layer变量都是从1开始的整形变量。
而且我有两行代码不太明白，
一个是：absdif = abs(layer - med) 计算这个差值是为了什么啊？
另一个是：filter(row_number() %in% 1:3) 这是排序后选择前三行吗？有点不太懂····

我的理解：
absdif = abs(layer - med): 计算每组的layer和中值的距离。
arrange(id, group, absdif)： 用距离排序（升序）
filter(row_number() %in% 1:3)： 取距离最小的前3

caimiao0714 发表于 2019-1-10 06:19
试试下面的代码

不过，受你的启发，我写出来啦，太感谢啦，么么扎

1. data <- read.csv('test.csv')
   
2. 
   
3. data %>% group_by(id, group) %>%
   
4.   mutate(med = ceiling(median(layer)),
   
5.          med1=med+1,
   
6.          med2=med-1) %>%
   
7.   filter(layer ==med | layer ==med1 | layer ==med2) %>%
   
8.   ungroup() %>%
   
9.   select(id, group, layer)

复制代码

67890 发表于 2019-1-10 09:20
我的理解：
absdif = abs(layer - med): 计算每组的layer和中值的距离。
arrange(id, group, absdif)： 用 ...

原来如此，太感谢啦

卑鄙的我lzw 发表于 2019-1-10 09:25
不过，受你的启发，我写出来啦，太感谢啦，么么扎

你的代码我直觉上是不对的，不过你能达到目的就好啦。

caimiao0714 发表于 2019-1-10 14:14
你的代码我直觉上是不对的，不过你能达到目的就好啦。

嘻嘻，我试过啦，咱们两个的代码跑出来的结果是一样的，但是我还是有点不明白：
filter(row_number() %in% 1:3)
这行代码是怎么运行的，为什么row_number（）里不写参数啊，虽然用了管道连接符，那第一个参数dat不应该是给filter了吗？难道是同时给了filter和row_number吗？另外我单独运行了row_number出来的是colnames和好多NA，然后对colnames和好多NA进行了排序。