使用 dplyr 计算子集内子集的比率答案

【问题标题】：Calculate ratio for subsets within subsets using dplyr使用 dplyr 计算子集内子集的比率
【发布时间】：2020-05-22 17:02:49
【问题描述】：

我有一组许多作者 (AU) 的数据，跨越多年 (Year) 和多个主题 (Topic)。对于每个 AU、Year 和 Topic 组合，我想计算年度总 FL 与 Topic / 总 FL 的比率。

数据将如下所示：

Data <- data.frame("AU" = c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2),
               "Year" = c(2010,2010,2010,2010,2010,2010,2011,2011,2011,2011,2010,2010,2010,2011,2011,2011,2011,2010,2011,2011),
               "Topic" = c(1,1,1,2,2,2,1,1,2,2,2,2,2,1,1,1,1,1,1,1),
               "FL" = c(1,0,1,1,1,0,0,0,1,1,1,1,1,1,1,0,0,1,1,1))

我一直在玩 dplyr 试图弄清楚如何做到这一点。我可以很容易地分组，但我不确定如何使用“组”作为分子来计算比率，使用所有组的总数作为分母

Results <- Data %>%
  group_by(Year, AU) %>%
  summarise(ratio = ???) # Should be (Sum(FL) by Topic) / (Sum(FL) across all Topics)

【问题讨论】：

标签： r dplyr

【解决方案1】：

如果我正确理解了您想要的输出，您可以分别计算按主题、年份、AU 的总数和按年份、AU 的总数，然后使用left_join 将它们连接在一起。

left_join(
  Data %>% 
    group_by(AU, Year, Topic) %>% 
    summarise(FL_topic = sum(FL)) %>% 
    ungroup(),
  Data %>% 
    group_by(AU, Year) %>% 
    summarise(FL_total = sum(FL)) %>% 
    ungroup(),
  by = c("AU", "Year")
) %>% 
  mutate(ratio = FL_topic/FL_total)

# A tibble: 7 x 6
#      AU  Year Topic FL_topic FL_total ratio
#   <dbl> <dbl> <dbl>    <dbl>    <dbl> <dbl>
# 1     1  2010     1        2        4  0.5 
# 2     1  2010     2        2        4  0.5 
# 3     1  2011     1        0        2  0   
# 4     1  2011     2        2        2  1   
# 5     2  2010     1        1        4  0.25
# 6     2  2010     2        3        4  0.75
# 7     2  2011     1        4        4  1

【讨论】：