group_by() summarise() 和权重百分比 - R

Question

假设一家公司有 3 位老板和 20 位员工，其中每个Employee 完成了n_Projects，总百分比为Performance：

> df <- data.frame(Boss = sample(1:3, 20, replace=TRUE),
                  Employee = sample(1:20,20),
                  n_Projects = sample(50:100, 20, replace=TRUE),
                  Performance = round(sample(1:100,20,replace=TRUE)/100,2),
                  stringsAsFactors = FALSE)

> df
   Boss Employee n_Projects Performance
1     3        8         79        0.57
2     1        3         59        0.18
3     1       11         76        0.43
4     2        5         85        0.12
5     2        2         75        0.10
6     2        9         66        0.60
7     2       19         85        0.36
8     1       20         79        0.65
9     2       17         79        0.90
10    3       14         77        0.41
11    1        1         78        0.97
12    1        7         72        0.52
13    2        6         62        0.69
14    2       10         53        0.97
15    3       16         91        0.94
16    3        4         98        0.63
17    1       18         63        0.95
18    2       15         90        0.33
19    1       12         80        0.48
20    1       13         97        0.07

CEO 让我计算每个老板的工作质量。但是，他要求进行具体计算：每个 Performance 值的权重必须等于该老板的 n_Project 值相对于总 n_Project 的权重。

例如，对于 Boss 1，我们总共有 604 个n_Projects，其中项目 1 的性能权重为 0,13(78/604 * 0,97 = 0,13)，项目 3 的性能权重为 0,1 (59/604 * 0,18 = 0,02)，等等。这些性能权重的总和是 Boss 性能，对于 Boss 1 来说是0,52。所以，最终的输出应该是这样的：

 Boss  total_Projects Performance
    1             604        0.52
    2             340        0.18  #the values for boss 2 are invented
    3             230        0.43  #the values for boss 3 are invented

但是，我仍在为此苦苦挣扎：

df %>%
  group_by(Boss) %>%
  summarise(total_Projects = sum(n_Projects),
            Weight_Project = n_Projects/sum(total_Projects))

除了这个问题，您能否给我任何关于这个问题（特别是我的代码）的反馈或任何改进数据操作技能的建议？ （你可以在我的个人资料中看到我已经问了很多这样的问题，但我仍然无法自己解决）

Answer 1

我们可以得到'n_Projects'和'Performance'乘积的sum并除以'total_projects'

library(dplyr)
df %>% 
    group_by(Boss) %>% 
    summarise(total_projects = sum(n_Projects), 
              Weight_Project = sum(n_Projects * Performance)/total_projects)
    # or
    # Weight_Project = n_Projects %*% Performance/total_projects)
# A tibble: 3 x 3
#   Boss total_projects Weight_Project
#  <int>          <int>          <dbl>
#1     1            604          0.518
#2     2            595          0.475
#3     3            345          0.649

Answer 2

添加更多关于你所做的事情和@akrun 的回答的细节：

您必须收到以下错误消息：

df %>%
  group_by(Boss) %>%
  summarise(total_Projects = sum(n_Projects),
            Weight_Project = n_Projects/sum(total_Projects))

## Error in summarise_impl(.data, dots) : 
##  Column `Weight_Project` must be length 1 (a summary value), not 7

这告诉您，您为 Weight_Project 所做的演算不会为每个 Boss 产生唯一的值，但是 7.summarise 可以总结几个值合二为一（通过手段、总和等）。这里只是将n_Projects 的每个值除以sum(total_Projects)，但不会将其汇总为单个值。

假设您的想法是首先计算每个性能的权重，然后将其与性能标记结合以产生加权平均性能，您可以分两步进行：

df %>% 
  group_by(Boss) %>% 
  mutate(Weight_Performance = n_Projects / sum(n_Projects)) %>% 
  summarise(weighted_mean_performance = sum(Weight_Performance * Performance))

mutate 语句保留了df 中的总行数，但由于group_by，sum(n_Projects) 是针对每个Boss 值计算的。 有一次，对于每一行，您都有一个项目权重（取决于老板），您可以使用 summarise 计算加权平均值 - 这是一个平均值，因此是一个汇总值。

一种更紧凑的方式仍然可以让加权微积分出现：

df %>% 
  group_by(Boss) %>% 
  summarise(weighted_mean_performance = sum((n_Projects / sum(n_Projects)) * Performance))

# Reordering to minimise parenthesis, which is @akrun's answer
df %>% 
  group_by(Boss) %>% 
  summarise(weighted_mean_performance = sum(n_Projects * Performance) / sum(n_Projects))