R如何对具有较高列值的数据表进行子集化（以便子集代表列总和的80％）答案

【问题标题】：R How to subset datatable with higher values of a column (so that the subset represent 80% of the column sum)R如何对具有较高列值的数据表进行子集化（以便子集代表列总和的80％）
【发布时间】：2017-05-15 16:49:54
【问题描述】：

我有一个包含因子和数值的数据表。我想要的是对该数据表进行子集化以仅选择较高的值。这些较高值的总和必须代表列总和的 80%。

有没有优雅的方法？

例如，这是一个无序数据表，ECART_H 列包含感兴趣的值 (sum = 10307.08;0.8*sum = 8245)，子集应导致仅选择第 3 行：和第 4 行：(sum= 8428)，以便这 2 行是至少要选择的行数 > 80% 的总和 ECART_H。

  REGROUP FAMILLE      TREND       RMSE    ECART_H
1:      10     A03   48.43853   675.7492  470.45737
2:      10     A04   61.65814   599.2031  795.08575
3:      10     H01  269.07728 12004.1214 6974.29642
4:      10     N01 -170.30563  6282.8133 1455.44291
5:      10     S01  147.61121  2711.0511  529.22545
6:      10     D06   13.64792   167.9315   82.57669

【问题讨论】：

多少个值被认为是更高的值？也许library(zoo);df1[df1[, which(rollsum(ECART_H, 2) > (0.8 * sum(ECART_H))) + 0:1]]

标签： r subset

【解决方案1】：

使用 cume_dist 的 dplyr 解决方案。为方便起见，显示了变异，我不确定您是否需要分组。

df %>% 
  group_by(REGROUP) %>%
  arrange(ECART_H)  %>%
  mutate(c = cume_dist(ECART_H)) %>%
  filter(c >= 0.8)

#   REGROUP FAMILLE     TREND      RMSE  ECART_H         c
#     <int>   <chr>     <dbl>     <dbl>    <dbl>     <dbl>
# 1      10     N01 -170.3056  6282.813 1455.443 0.8333333
# 2      10     H01  269.0773 12004.121 6974.296 1.0000000

【讨论】：

【解决方案2】：

我这样做了：

df <- df[order(-df$ECART_H),]

df$cumsum <- cumsum(df$ECART_H)

df$cumfreq <- cumsum(df$ECART_H)/sum(df$ECART_H)

df <- df[ (df$cumsum <= 0.8), ]

但这两个值（第 3 行：和第 4 行：）是 81.8%，高于 80%。

【讨论】：

【解决方案3】：

好的，基于 Epi99 的答案，经过一些修改：从较大的值排列到较小的值，然后执行 cumsum 而不是 cumdist，然后进行过滤。

这样我只有第一行代表所有值总和的 80%。（例如，以帕累托方法的方式工作并专注于重要的事情）

test <- dfCONSO_FAM_TREND %>%
  group_by(REGROUP) %>%
  filter(ECART_H>0) %>%
  arrange(-ECART_H)  %>%
  mutate(pc=ECART_H/sum(ECART_H)*100) %>%
  mutate(pcCUM=cumsum(pc))

dfFOCUS_FAM <- dfFOCUS_FAM[(dfFOCUS_FAM$pc>=80 | dfFOCUS_FAM$pcCUM<=80),]

已添加最后一个 data.table 过滤器以选择感兴趣的行。大行（代表总和的> = 80％）和/或直到达到总和的80％的行（选择行直到达到总和的80％（p.ex. filter(pcCUM

DPLYR 和 data.table 一样

如果有人可以用 data.table 语言翻译第一部分...

【讨论】：