R 根据2个条件合并两个表,并将平均值作为结果列输出
我有以下两个表格:R 根据2个条件合并两个表,并将平均值作为结果列输出,r,join,group-by,dplyr,summarize,R,Join,Group By,Dplyr,Summarize,我有以下两个表格: Table_1 ID Interval 1 10 1 11 2 11 及 输出表应如下所示: ID Interval Mean Ratings 1 10 0.4 1 11 0.1 2 11 0.15 我的目标是基于两个条件/列ID和interval连接这两个表。考虑到我对同一ID和时间间隔有多个评分,我想计算评分的平均值。虽然ID是唯一的(~9500),
Table_1
ID Interval
1 10
1 11
2 11
及
输出表应如下所示:
ID Interval Mean Ratings
1 10 0.4
1 11 0.1
2 11 0.15
我的目标是基于两个条件/列ID和interval连接这两个表。考虑到我对同一ID和时间间隔有多个评分,我想计算评分的平均值。虽然ID是唯一的(~9500),但间隔会针对不同的ID重复(如上表所示)。我目前的方法是带有2个参数的联接函数。如何创建一个最终表格,其中表格_1和表格_2根据条件ID和时间间隔连接,并在结果列中接收平均评级
left_join(Table_1, Table_2, by = c("ID" = "ID", "Interval" = "Interval"))
你不需要加入。相反,绑定表并使用dplyr中的group&summary。以下内容实现了您的要求:
library(dplyr)
table_1 <- data.frame("ID"= c(1,1,2),"Interval"=c (10,11,11),"Rating"= c(NA,NA,NA))
table_2 <- data.frame("ID"= c(1,1,1,2,2),"Interval"= c(10,10,11,11,11),"Rating"= c(0.5,0.3,0.1,0.1,0.2))
df1 <- bind_rows(table_1,table_2) %>% group_by(ID,Interval) %>% summarise("Mean Ratings" = mean(Rating,na.rm = TRUE))
库(dplyr)
表1您不需要加入。相反,绑定表并使用dplyr中的group&summary。以下内容实现了您的要求:
library(dplyr)
table_1 <- data.frame("ID"= c(1,1,2),"Interval"=c (10,11,11),"Rating"= c(NA,NA,NA))
table_2 <- data.frame("ID"= c(1,1,1,2,2),"Interval"= c(10,10,11,11,11),"Rating"= c(0.5,0.3,0.1,0.1,0.2))
df1 <- bind_rows(table_1,table_2) %>% group_by(ID,Interval) %>% summarise("Mean Ratings" = mean(Rating,na.rm = TRUE))
库(dplyr)
表1您可以通过dplyr
的left\u join
,按分组,然后汇总来实现
library(dplyr)
table1 %>%
left_join(table2, by = c("ID", "Interval")) %>%
group_by(ID, Interval) %>%
summarise("Mean Ratings" = mean(Rating))
## A tibble: 3 x 3
## Groups: ID [?]
# ID Interval `Mean Ratings`
# <int> <int> <dbl>
#1 1 10 0.4
#2 1 11 0.1
#3 2 11 0.15
库(dplyr)
表1%>%
左连接(表2,by=c(“ID”,“Interval”))%>%
分组依据(ID,间隔)%>%
总结(“平均评级”=平均(评级))
##一个tibble:3x3
##组:ID[?]
#ID间隔`平均评级`
#
#1 1 10 0.4
#2 1 11 0.1
#3 2 11 0.15
数据
table1 <- read.table(header = T, text="ID Interval
1 10
1 11
2 11")
table2 <- read.table(header = T, text = "ID Interval Rating
1 10 0.5
1 10 0.3
1 11 0.1
2 11 0.1
2 11 0.2")
table1您可以通过dplyr
的left\u join
,group\u by
,然后总结来实现
library(dplyr)
table1 %>%
left_join(table2, by = c("ID", "Interval")) %>%
group_by(ID, Interval) %>%
summarise("Mean Ratings" = mean(Rating))
## A tibble: 3 x 3
## Groups: ID [?]
# ID Interval `Mean Ratings`
# <int> <int> <dbl>
#1 1 10 0.4
#2 1 11 0.1
#3 2 11 0.15
库(dplyr)
表1%>%
左连接(表2,by=c(“ID”,“Interval”))%>%
分组依据(ID,间隔)%>%
总结(“平均评级”=平均(评级))
##一个tibble:3x3
##组:ID[?]
#ID间隔`平均评级`
#
#1 1 10 0.4
#2 1 11 0.1
#3 2 11 0.15
数据
table1 <- read.table(header = T, text="ID Interval
1 10
1 11
2 11")
table2 <- read.table(header = T, text = "ID Interval Rating
1 10 0.5
1 10 0.3
1 11 0.1
2 11 0.1
2 11 0.2")
table1首先,您需要汇总第二个表DT2
,然后与第一个表DT1
执行右联接
库(data.table)
DT1[DT2[,(平均值=平均值(评级)),(ID,区间)],on=c(ID=“ID”,区间=“区间”)]
给
ID Interval Mean_Rating
1: 1 10 0.40
2: 1 11 0.10
3: 2 11 0.15
样本数据:
DT1 <- structure(list(ID = c(1L, 1L, 2L), Interval = c(10L, 11L, 11L
)), .Names = c("ID", "Interval"), class = c("data.table", "data.frame"
), row.names = c(NA, -3L))
DT2 <- structure(list(ID = c(1L, 1L, 1L, 2L, 2L), Interval = c(10L,
10L, 11L, 11L, 11L), Rating = c(0.5, 0.3, 0.1, 0.1, 0.2)), .Names = c("ID",
"Interval", "Rating"), class = c("data.table", "data.frame"), row.names = c(NA,
-5L))
DT1首先,您需要汇总第二个表DT2
,然后与第一个表执行右联接DT1
库(data.table)
DT1[DT2[,(平均值=平均值(评级)),(ID,区间)],on=c(ID=“ID”,区间=“区间”)]
给
ID Interval Mean_Rating
1: 1 10 0.40
2: 1 11 0.10
3: 2 11 0.15
样本数据:
DT1 <- structure(list(ID = c(1L, 1L, 2L), Interval = c(10L, 11L, 11L
)), .Names = c("ID", "Interval"), class = c("data.table", "data.frame"
), row.names = c(NA, -3L))
DT2 <- structure(list(ID = c(1L, 1L, 1L, 2L, 2L), Interval = c(10L,
10L, 11L, 11L, 11L), Rating = c(0.5, 0.3, 0.1, 0.1, 0.2)), .Names = c("ID",
"Interval", "Rating"), class = c("data.table", "data.frame"), row.names = c(NA,
-5L))
这是错误的。您需要在此处合并,因为如果在表2中您有ID=3
和interval=which
,那么您需要合并,以便ID=3
不包含在分析中。我无法理解您的注释。如果存在一组不需要的ID,则用户可以将其过滤掉,例如筛选(df1,ID%在%c(1,2)中)。使用数千个ID进行尝试。。。这就是合并存在的原因。@Sotos:谢谢你的评论。你能提供你实现期望输出的方法吗?其他两个答案中的任何一个都可以。这是错误的。您需要在此处合并,因为如果在表2中您有ID=3
和interval=which
,那么您需要合并,以便ID=3
不包含在分析中。我无法理解您的注释。如果存在一组不需要的ID,则用户可以将其过滤掉,例如筛选(df1,ID%在%c(1,2)中)。使用数千个ID进行尝试。。。这就是合并存在的原因。@Sotos:谢谢你的评论。你能提供你实现期望结果的方法吗?其他两个答案中的任何一个都可以。可能重复的我会投反对票,但现在不要。你问了一个问题,详细说明了解决方案的必要步骤——一个简单的谷歌会对你有所帮助。关于合并/汇总的问题有很多。@Tjebo:OP还需要一个groupby和Summary步骤。Join不会计算平均值。@我同意,因此它不是一个完整的问题,而是两个很容易找到的独立问题。PS如果有人投了反对票,那不是我。我可能会投反对票,但现在不投了。你问了一个问题,详细说明了解决方案的必要步骤——一个简单的谷歌会对你有所帮助。关于合并/汇总的问题有很多。@Tjebo:OP还需要一个groupby和Summary步骤。Join不会计算平均值。@我同意,因此它不是一个完整的问题,而是两个很容易找到的独立问题。如果有人投了反对票,那不是我。