使用基于组的汇总值创建新变量

Posted 2023-03-24

【中文标题】使用基于组的汇总值创建新变量

【英文标题】：Creating new variable with summary values based on group

【发布时间】：2019-10-29 12:39:09

【问题描述】：

我真的有两个问题。我很确定第二个会帮助我解决第一个，但我可能完全走错了路，可能会有更简单的解决方案。

第一个问题：我想用 ggplot2 和 geom_bar 制作一个堆积条形图。我有 4 个离散间隔（年）的许多国家的时间序列数据。我知道将时间序列数据显示为条形图是非正统的（我愿意接受其他建议）。我想要做的是将条形图显示为分面网格（按年份），其中国家以相同的降序显示，基于我所有 4 年中所有 4 个变量的总和。我只想显示前 25 个国家/地区。

为此，我一直在使用 dplyr 管道和 ggplot 的组合。

起初，我用

计算了一个新列

 data %>% 
  rowwise() %>% 
  mutate(total = sum(var1, var2, var3, var4, na.rm = T) %>% 
  arrange(desc(total)) %>% 
  top_n(100, total) %>% 
  ggplot...

但这只会显示每个国家/地区对的总数，并且会产生一些副作用，例如将某些国家/地区的某些年份留空，因为这些年份的值没有进入前 100 名。

接下来我尝试使用 summarise 函数将所有 4 年的 4 个变量相加，如下所示：

 data %>% 
  summarize(sum = sum(var1, var2, var3, var4, na.rm = T))

但这会将我的表格减少到两列，我知道这是所需的输出，但我不知道如何将这个新的总和分配给每个国家的所有年份。

我将尝试在此处重现这两个问题：

一些数据：

 countries <- c("country A", "country B", "country C", "country D", "country E")
  years <- rep(c(2014, 2015, 2016, 2017), 5)
  set.seed(123)
  var1 <- sample(1:1000, 20)
  var2 <- sample(1:1000, 20)
  var3 <- sample(1:1000, 20)
  var4 <- sample(1:1000, 20)
  data <- data.frame(countries, years, var1, var2, var3, var4)

  data %>% 
   rowwise() %>% 
   mutate(total = sum(var1, var2, var3, var4, na.rm = T)) %>% 
   gather(key, value, 3:6) %>% 
   top_n(32, total) %>% 
    ggplot(., aes(x = countries, y = value, fill = key)) + 
     geom_col() + 
     facet_grid(cols = vars(years)) + 
     coord_flip()

正如您所见，正如代码所预期的那样，R 计算了每个国家/地区对的总和，而不是每个国家/地区所有年份的总和。我严重迷失了如何进行。任何帮助表示赞赏！

如果有什么不同：Var3 和 Var4 中有很多 NA。

我忘了说明第二个问题：

  data %>% 
   group_by(countries) %>% 
   summarize(sum = sum(var1, var2, var3, var4, na.rm = T))

返回一个包含国家和总和的表格，但是如何将这个新列重新分配给我的原始数据框？

【问题讨论】：

TeaTree，我编辑了格式化问题，然后您最近的编辑取消了工作。虽然我觉得这里有一点 python 式的缩进，但我的意图主要是为了可读性，并不是说这是每个人都应该使用的缩进样式。当我必须水平滚动代码时，这通常是一种麻烦和威慑。更不用说我觉得它打败了dplyr 动词提供的 literate programming 的优势之一。

非常抱歉！我看到有人在编辑，但不知道我会撤消你的工作......有没有办法协调 git 样式的更改？

别担心，我不介意，这是你的问题，我的编辑仍然只是对 OP 的建议。但我不想和其他人卷入编辑大战（这已经发生了），所以我在第一次撤消后就停下来了。如果您有兴趣，可以在问题历史记录中查看我的修改。

好的，我实现了缩进样式。更具可读性！

我现在有点紧张，当 SO 允许时（一三天内？），您可以自己回答并自我接受。很高兴你解决了！

【参考方案1】：

在 r2evans 之后，这为我解决了问题：

我首先总结了所有的值并将其保存到一个新的数据集

data2 <- data %>% 
 group_by(countries) %>% 
 summarize(sum = sum(var1, var2, var3, var4, na.rm = T))

然后我left_joined 这两个数据集就这样

 left_join(data, data2)

我本可以指定by = countries，但我不必这样做，因为它是两个数据集中唯一的公共变量。

虽然这解决了问题并且我永远感谢 r2evans，但我仍然想知道一步解决方案。有的话请留言。