使用 dplyr 总结对变量的数据集调节

Question

我想总结我的数据集，将变量 age 分组为 5 岁年龄组，因此我将使用 0 5 10 15 等而不是单一年龄 0 1 2 3 4 5 6... 等，80 是我的开放式类别。我可以通过手动对所有内容进行分类来创建一个新变量来做到这一点，但我相信一定有更快的方法！

a <- cbind(age=c(rep(seq(0, 90, by=1), 2)), value=rnorm(182))

有什么想法吗？

Answer 1

喜欢这个？

library(dplyr)
a %>% data.frame %>% group_by(age_group = (sapply(age,min,80) %/% 5)*5) %>%
 summarize(avg_val = mean(value))

# A tibble: 17 x 2
   age_group      avg_val
       <dbl>        <dbl>
 1         0 -0.151470805
 2         5  0.553619149
 3        10  0.198915973
 4        15 -0.436646287
 5        20 -0.024193193
 6        25  0.102671120
 7        30 -0.350059839
 8        35  0.010762264
 9        40  0.339268917
10        45 -0.056448481
11        50  0.002982158
12        55  0.348232262
13        60 -0.364050091
14        65  0.177551510
15        70 -0.178885909
16        75  0.664215782
17        80 -0.376929230

Answer 2

示例数据

set.seed(1)
df <- data.frame(age=runif(1000)*100,
                 value=runif(1000))

只需将组的最大值添加到seq(0,80,5) 即可使用c(..., max(age)) 进行不定期休息

library(dplyr)
df %>%
  mutate(age = cut(age, breaks=c(seq(0,80,5), max(age)))) %>%
  group_by(age) %>%
  summarise(value=mean(value))

输出

        age     value
     <fctr>     <dbl>
 1    (0,5] 0.4901119
 2   (5,10] 0.5131055
 3  (10,15] 0.5022297
 4  (15,20] 0.4712481
 5  (20,25] 0.5610872
 6  (25,30] 0.4207203
 7  (30,35] 0.5218318
 8  (35,40] 0.4377102
 9  (40,45] 0.5007616
10  (45,50] 0.4941768
11  (50,55] 0.5350272
12  (55,60] 0.5226967
13  (60,65] 0.5031688
14  (65,70] 0.4652641
15  (70,75] 0.5667020
16  (75,80] 0.4664898
17 (80,100] 0.4604779