如果变量名中有年龄，如何使用tidyverse Summary作为中间年龄？

晚上好,

我确实有一个问题，就是我似乎无法四处走动

假设我使用的是一个简化的数据集，如下所示

library（tidyverse）

纽约的中位数是

中位数（c（17,17,18,18,18,19）

，因此简单地使用中位数函数不会产生期望的结果

问题是，我怎样才能让R以正确的方式计算中值？我想答案很简单，但我就是想不出来

另外，我不能像示例中那样手工操作，因为有很多组和“年龄变量”

有什么提示吗

---

大卫，祝你一切顺利。

我想这会带来你想要的结果

library(tidyverse)

data <- tribble(~town , ~patients_aged_17, ~patients_aged_18, ~patients_aged_19, "newyork", 2, 3, 1,"berlin", 1, 1, 4) 

data %>%
  pivot_longer(cols=c(-town), names_to = "age_group", values_to = "count") %>%
  mutate(
    age = as.numeric(gsub("[^\\d]+", "", age_group, perl=TRUE)),
    age_total = count*age 
  ) %>%
  group_by(town) %>%
  summarise(
     count_total = sum(count),
     age_sum = sum(age_total)
  ) %>%
  mutate(
    median_age = age_sum/count_total
  ) %>% 
  select(town, median_age)

# A tibble: 2 x 2
  town    median_age
  <chr>        <dbl>
1 berlin        18.5
2 newyork       17.8

库（tidyverse）
数据%
pivot_更长（cols=c（-town），名称_to=“age\u group”，值_to=“count”）%>%
变异(
age=as.numeric（gsub（“[^\\d]+”，“”，age\u组，perl=TRUE）），
年龄\总数=计数*年龄
) %>%
组别(城市)%>%
总结(
总数=总和（计数），
年龄总和=总和（年龄总和）
) %>%
变异(
年龄中位数=年龄总和/总数
) %>% 
选择（城镇、年龄中位数）
#一个tibble:2x2
城市中位年龄
1柏林18.5
2纽约17.8

非常感谢您的回答。但是，结果不匹配（即柏林的中位年龄应该是19岁，新yourk的中位年龄应该是18岁）。但是，我认为我找到了一个解决方案；代码看起来有点难看

interimdata%pivot\u更长（cols=-（town），name\u to=“age\u group”，values\u to=“count”）%%>%变异（age=str\u sub（年龄组，-2，-1））%%>%groupby（town）%%>%summary（intvar2=rep（age，count））

interimdata$intvar2%groupby（town）%%>%summary（median\u age=median（intvar2））

有没有办法更好地格式化我以前的答案？我被允许的最大字符数限制了（而代码的格式并没有按照期望的格式）你的答案是19/18，而我的答案是18.5/17.8。你的答案四舍五入到0位，我的答案四舍五入到1位。非常感谢你的回答。我学到了很多！

data %>% group_by(town) %>% summarise(median_patient_age = median([problem]))

library(tidyverse)

data <- tribble(~town , ~patients_aged_17, ~patients_aged_18, ~patients_aged_19, "newyork", 2, 3, 1,"berlin", 1, 1, 4) 

data %>%
  pivot_longer(cols=c(-town), names_to = "age_group", values_to = "count") %>%
  mutate(
    age = as.numeric(gsub("[^\\d]+", "", age_group, perl=TRUE)),
    age_total = count*age 
  ) %>%
  group_by(town) %>%
  summarise(
     count_total = sum(count),
     age_sum = sum(age_total)
  ) %>%
  mutate(
    median_age = age_sum/count_total
  ) %>% 
  select(town, median_age)

# A tibble: 2 x 2
  town    median_age
  <chr>        <dbl>
1 berlin        18.5
2 newyork       17.8