使用 R data.table 聚合选择行答案

【问题标题】：Using R data.table to aggregate select rows使用 R data.table 聚合选择行
【发布时间】：2013-07-08 07:02:31
【问题描述】：

这是我的单个客户的客户订单数据：

order_no customer_id  product amount  order_total
      23           1        A    100          100 
      24           1        A    100          300
      24           1        B    100          300
      24           1        C    100          300
      25           1        B    100          100
      26           1        A    100          200
      26           1        B    100          200

我想在一个新列中计算每个客户的平均订单大小，所以对于这个客户，它将是 175 = (100 + 300 + 100 + 200) / 4：

order_no customer_id  amount  order_total  avg_order_size
      23           1     100          100             175
      24           1     100          300             175
      24           1     100          300             175
      24           1     100          300             175
      25           1     100          100             175
      26           1     100          200             175
      26           1     100          200             175

我尝试过使用它的某个版本，但没有成功：

customer_stats <- data.table(customer_stats)[, avg_order_size := mean(order_total), by=list(order_no, customer_id)]

我真正需要做的是从每个 order_no 中只选择一行，比如 mean 之类的 order_no[1] 使用 by=(customer_id) 吗？如果有一种方法可以一步完成并跳过创建order_total，那就更好了。

【问题讨论】：

您尝试customer_stats[, avg_order_size := mean(order_total), by=list(order_no, customer_id)] 使用:= 是否已经执行分配，因此无需额外分配您的data.table
@dickoa，如果您同时按order_no 和customer_id 分组，那么您将采用100, 300, 100, 200 的平均值单独（这将结束相同的值）。
@Arun 是的，你是对的
@Bryan，我认为您的问题已得到解答。很高兴能回答这个问题。

标签： r aggregate data.table

【解决方案1】：

这个呢，它似乎翻译了你的方法，不需要在这里计算order_total。

dat[, sum(amount), by = list(customer_id, order_no)][ ,avg_order := mean(V1), by = customer_id]

【讨论】：

【解决方案2】：

您可以通过这样做避免创建order_total：

customer_stats[ , avg_order_size := sum(amount, na.rm=TRUE) / length(unique(order_no)), by=customer_id]

但是，我对这将有多快有所保留。

【讨论】：

我很抱歉，但你为什么在这里总结amount？他总结了100 + 300 + 100 + 200（在order_total，而不是amount）？
取景效果！他通过order_no 创建了order_total 和amount。请参阅对他的问题的编辑，他询问是否可以在不计算 order_total 的情况下完成此操作。

【解决方案3】：

我认为诀窍是按客户和订单键入原始表，将客户和订单的订单总数相加，得到客户的平均订单总数，然后将其连接回原始表。

# Your data (next time, consider putting R-formatted data in the question...):
dt <- data.table(customer_id=1,
                 order_no=c(23,24,24,24,25,26,26),
                 product=c("A","A","B","C","B","A","B"),
                 product_amount=100,
                 key=c("customer_id","order_no")) # 1: key by customer and order

dt
#   customer_id order_no product product_amount
#1:           1       23       A            100
#2:           1       24       A            100
#3:           1       24       B            100
#4:           1       24       C            100
#5:           1       25       B            100
#6:           1       26       A            100
#7:           1       26       B            100

dt[ # 4: join summary back to original
  dt[,list(order_total=sum(product_amount)),by=list(customer_id,order_no)] [ # 2: order total by customer and order
    ,avg_order_size:=mean(order_total),by=list(customer_id)] # 3: add the average of order total by customer
  ]
#   customer_id order_no product product_amount order_total avg_order_size
#1:           1       23       A            100         100            175
#2:           1       24       A            100         300            175
#3:           1       24       B            100         300            175
#4:           1       24       C            100         300            175
#5:           1       25       B            100         100            175
#6:           1       26       A            100         200            175
#7:           1       26       B            100         200            175

【讨论】：