聚合-na.忽略和na.通过R和因子(按因子分组)?
我有一个包含工资测试数据的数据集。并非所有单元格都有值,因此我使用了na.action=na.pass,na.rm=TRUE,但它给了我一个错误,因为我想用JobTitle进行聚合,这是一个因子 到目前为止,我已经开发了以下代码:聚合-na.忽略和na.通过R和因子(按因子分组)?,r,R,我有一个包含工资测试数据的数据集。并非所有单元格都有值,因此我使用了na.action=na.pass,na.rm=TRUE,但它给了我一个错误,因为我想用JobTitle进行聚合,这是一个因子 到目前为止,我已经开发了以下代码: aggregate(salaries$JobTitle, list(pay = salaries$TotalPay), FUN=mean, na.action=na.pass, na.rm=TRUE) 我的测试数据包含以下列: 'data.frame': 10
aggregate(salaries$JobTitle,
list(pay = salaries$TotalPay),
FUN=mean,
na.action=na.pass,
na.rm=TRUE)
我的测试数据包含以下列:
'data.frame': 104 obs. of 36 variables:
$ Id : int 1 2 3 4 5 6 7 8 9 10 ...
$ EmployeeName : Factor w/ 11 levels "","ALBERT PARDINI",..: 10 7 2 4 11 6 3 5 9 8 ...
$ JobTitle : Factor w/ 9 levels "","ASSISTANT DEPUTY CHIEF II",..: 8 4 4 9 6 2 3 7 3 5 ...
$ BasePay : num 167411 155966 212739 77916 134402 ...
$ OvertimePay : num 0 245132 106088 56121 9737 ...
$ OtherPay : num 400184 137811 16453 198307 182235 ...
$ Benefits : logi NA NA NA NA NA NA ...
$ TotalPay : num 567595 538909 335280 332344 326373 ...
$ TotalPayBenefits: num 567595 538909 335280 332344 326373 ...
$ Year : int 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 ...
$ Notes : logi NA NA NA NA NA NA ...
$ Agency : Factor w/ 2 levels "","San Francisco": 2 2 2 2 2 2 2 2 2 2 ..
出现的错误代码是
Warning messages:
1: In mean.default(X[[i]], ...) :
argument is not numeric or logical: returning NA
2: In mean.default(X[[i]], ...) :
argument is not numeric or logical: returning NA
等等
我已经尝试过使用工资$Id,它工作起来很神奇,所以我假设代码是正确的,也许我需要更改JobTitle的数据类型?如果我们得到“TotalPay
按“JobTitle”分组的平均值,那么
公式方法将是
aggregate(TotalPay~JobTitle, salaries, mean, na.rm=TRUE, na.action=na.pass)
或使用
aggregate(salaries$TotalPay, list(salaries$JobTitle), FUN=mean, na.rm=TRUE)
数据
set.seed(24)
工资您的职务
是一个因素
变量。您希望获得的平均值是哪个变量?。我认为应该是相反的。i、 e.aggregate(TotalPay~JobTitle,工资,平均数,na.rm=TRUE,na.action=na.pass)
谢谢。它起作用了。我现在意识到,我有更多的记录可以显示,而head函数只提供按JobTitle排序的6条顶级记录。那个么,是否有一个类似于SQL order by的函数来按所选列进行排序,而且,我想答案是否定的,但我们可以将年份添加到聚合中吗?我正在努力使某个职位的总薪酬与去年同期相比有所变化。我不熟悉R,因此所有的问题都很愚蠢。@Kalenji如果您还需要“Year”作为分组变量,您可以将其添加到第二种方式的列表中,或者在~
@Kalenji的lhs上的公式方法中使用,其他选项包括dplyr
或数据表。例如,library(dplyr);工资%>%group_by(职务,年份)%%>%SUMMARY(工资=平均值(TotalPay,na.rm=TRUE))
我曾尝试使用上述代码库(dplyr)工资
set.seed(24)
salaries <- data.frame(JobTitle = sample(LETTERS[1:5], 20,
replace=TRUE), TotalPay= sample(c(1:20, NA), 20))