Julia DataFrame:创建列值之和的新列：x by:y

我有一个x和y引用的

数据帧

。我想计算每个事件在

数据帧中发生的频率，以及该组合所代表的
：y
事件的百分比。多亏了你，我现在把第一部分记下来了

这将成功创建一列，计算
：x的每个值与
：y的每个值一起出现的频率。现在，我需要能够生成一个新的列来计算
：y的每个值出现的频率。接下来，我可以使用以下方法创建一个新的
DataFrame
：

mydfsumy = by(mydf, [:y], df -> DataFrame(ny = length(df[:x])))

将
数据帧
连接在一起

mydfsum = join(mydfsum, mydfsumy, on = :y)

并创建百分比
：yp
列

mydfsum[:yp] = mydfsum[:n] ./ mydfsum[:ny]

但对于一个常见的数据管理问题来说，这似乎是一个笨拙的解决办法。在R中，我会在一行中使用
dplyr
：

mydf %>% groupby(x,y) %>% summarize(n = n()) %>% groupby(y) %>% mutate(yp = n/sum(n))

您可以在一行中完成：

mydfsum=by（mydf，：y，df->by（df，：x，dd->DataFrame（n=size（dd，1），yp=size（dd，1）/size（df，1）））

或者，如果这变得难以阅读，您可以对匿名函数使用
do
符号：

mydfsum=by（mydf，：y）do-df
by（df，：x）do dd
数据帧（n=大小（dd，1），yp=大小（dd，1）/大小（df，1））
结束
结束

在R中所做的实际上是在
x
和
y
上首先执行
by
，然后对输出的一列进行变异。您也可以这样做，但需要先创建该列。在这里，我首先用零初始化
yp
列，然后用另一个
by
修改它

mydfsum=by（mydf，[：x，：y]，df->DataFrame（n=size（df，1），yp=0.））
by（mydfsum，：y，df->（df[：yp]=df[：n]/sum（df[：n]））

对于更高级的数据操作，您可能需要查看

mydf %>% groupby(x,y) %>% summarize(n = n()) %>% groupby(y) %>% mutate(yp = n/sum(n))