R 制定'；加权平均数'；每个客户端的变量

不确定标题是否包含了我在这里要做的一切

我正在对客户机数据库进行分析，因此我们有Dataframe 1，其中每一行代表一个唯一的客户机（通过客户机id）

然后，我有另一个数据框，其中列出了客户端拥有的资产。但是，每行表示一个唯一的资产（通过资产id）。因此，一个客户机的id可能会出现很多次，这意味着如果不创建另一个变量，就无法合并这两个数据帧

我想创建一些变量，这些变量代表客户在某一资产类型中的投资比例以及他们的总资产

---

有没有一个简单的方法可以做到这一点？例如，按clientid分组，然后对资产类型和平均值进行分组？

我已重新创建了一个场景，试图模仿您面临的问题，尽我对您情况的最大理解。希望它至少能让你找到你想要的答案

您可以在R控制台中复制粘贴以下代码以完成所有步骤

library(dplyr)

######## Create the client database, assuming 4 different asset classes and an asset value of 1 for each of them.
df <- cbind.data.frame(clientId = c(1,1,2,3,3,3,4,4,4,5,5,6,6,7,8,9,9,10,10,10),AssetCategory= rep(c('a','b','c','d'),5),AssetValue =rep(c(1),20))

#Calculating the clients' total assets
totalAssetByClient <- df %>% group_by(clientId) %>% summarize(totalAssetByClient = sum(AssetValue))

# Appending TotalAssetByClient variable to the dataframe (client database) <- Answer to your FIRST question
df2 <- left_join(df,totalAssetByClient,by = "clientId")


#  Then Create an empty dataset to host the AssetShareByClient table
AssetShareByClient <- data.frame(clienId = integer(), AssetCategory = character(), AssetShareByClient = double())

# Creating filling the AssetShareByClient table with a nested for Loop (sorry no easy way)
for (client in unique(df2$clientId))
{
for (asset in unique(df2$AssetCategory))
{    
    df3 <- filter(df2, clientId == client, AssetCategory == asset)
    AssetShareByClient <- rbind(AssetShareByClient, c(client,asset,sum(df3$AssetValue)/mean(df3$totalAssetByClient)))
}
}

# We now have a standalone table with a column showing the proportion of investment per asset for each cient <- Answer to your SECOND question
# When the client has 0% share of an asset category it shows NaN. The sum of asset share category  for each client sums to 100%
names(AssetShareByClient) = c("clientId","AssetCategory","AssetShareByClient")
print(AssetShareByClient) 

库（dplyr）
########创建客户机数据库，假设4个不同的资产类别，每个类别的资产值为1。
我们需要数据来说明。你能用
dput（head（df2，30））
的输出编辑这个问题吗？如果你包含一个简单的示例输入和所需的输出，可以用来测试和验证可能的解决方案，这会更容易帮助你。谢谢，mate，这正是我想要的。一针见血干杯！！