救命！计算每个子组的比例

Question

我有以下 数据集，称为 GrossExp3，涵盖 15 个报告国从（1998 年至 2018 年）到所有年份的双边出口（以 1000 美元为单位）可用的伙伴国家 它涵盖以下四个变量： Year, ReporterName (= exporter) , PartnerName (= export destination), 'TradeValue in 1000 USD' (= 出口到目的地的价值) PartnerName 列还包括一个名为“All”的条目，它是记者每年所有出口的总和

这是我的数据头

> head(GrossExp3, n = 20)
    Year ReporterName          PartnerName TradeValue in 1000 USD
 1: 2018       Angola          Afghanistan                 19.353
 2: 2018       Angola              Albania                  2.380
 3: 2018       Angola              Andorra                  0.326
 4: 2018       Angola United Arab Emirates             884725.078
 5: 2018       Angola            Argentina                 61.362
 6: 2018       Angola              Armenia                 60.105
 7: 2018       Angola       American Samoa                 12.007
 8: 2018       Angola  Antigua and Barbuda                422.006
 9: 2018       Angola            Australia              40220.092
10: 2018       Angola              Austria                433.699

这是我的数据摘要

> summary(GrossExp3)
      Year      ReporterName       PartnerName        TradeValue in 1000 USD
 Min.   :1998   Length:37398       Length:37398       Min.   :       0      
 1st Qu.:2004   Class :character   Class :character   1st Qu.:      39      
 Median :2009   Mode  :character   Mode  :character   Median :     596      
 Mean   :2009                                         Mean   :  135605      
 3rd Qu.:2014                                         3rd Qu.:   10209      
 Max.   :2019                                         Max.   :47471515 

我的目标是按年按总出口百分比（所有百分比得分均超过 1%）过滤每个国家最重要的出口目的地，并跟踪其随时间的变化情况。 我特别想

1. 添加一个名为“百分比”的附加列，其中包含按年份划分的总出口百分比（按年份划分的“TradeValue in 1000 USD”中所有条目的总和）
2. 删除所有百分比
3. 按年份汇总每个 ReporterName 的数据
4. 按百分比值降序排列

我尝试了什么 到目前为止，我通过首先过滤一个 ReporterName 和一年来尝试它

ONE_country <- GrossExp3 %>%
  group_by(Year, ReporterName) %>%
  filter(ReporterName == "Botswana", PartnerName != "All", Year == 2018) %>%
  arrange(desc(`TradeValue in 1000 USD`)) %>%
  summarize(Year, ReporterName, PartnerName, Percent = `TradeValue in 1000 USD`/sum(`TradeValue in 1000 USD`)*100)
head(ONE_country, n = 10)

我不确定我在这里得到的结果是否正确。 此外，我希望所有国家和年份的信息都保留在同一数据集中。 此外，我没有设法降低所有百分比 > 1，并且希望百分比在逗号后没有条目。

另一个问题是，如果我不在函数中写，为什么 summarize 函数 不会返回所有列？

由于我在周末遇到了这些问题，我将非常感谢有关如何解决问题的任何建议！ 一切顺利， 我喜欢

Answer 1

如果没有可重复的数据，这很难回答，但这可能会有所帮助：

GrossExp3 %>%
  group_by(Year, ReporterName) %>%
  add_tally(wt = `TradeValue in 1000 USD`, name = "TotalValue") %>%
  mutate(Percentage = 100 * (`TradeValue in 1000 USD` / TotalValue)) %>%
  filter(Percentage >= 1) %>%
  arrange(ReporterName, Year, desc(Percentage))

我们使用add_tally() 按国家/地区按年份计算贸易总值，然后使用mutate() 计算每一行占该总值的百分比。然后我们可以排除百分比

根据您上面提供的非常有限的 sn-p，这是返回的内容：

# A tibble: 2 x 6
# Groups:   Year, ReporterName [1]
   Year ReporterName PartnerName          `TradeValue in 1000 USD` TotalValue Percentage
  <dbl> <chr>        <chr>                                   <dbl>      <dbl>      <dbl>
1  2018 Angola       United Arab Emirates                  884725.    925956.      95.5 
2  2018 Angola       Australia                              40220.    925956.       4.34