R 以长格式聚合数据时的正确计算方法

对于简单的数据帧：

client_id<-c("111","111","111","112","113","113","114")
transactions<-c(1,2,2,2,3,17,100)
transactions_sum<-c(5,5,5,2,20,20,100) ##precalculated sums of transaction counts for each client_id
segment<-c("low","low","low","low","low","low","high")
test<-data.frame(client_id,transactions,transactions_sum,segment)


  client_id transactions transactions_sum segment
1       111            1                5     low
2       111            2                5     low
3       111            2                5     low
4       112            2                2     low
5       113            3               20     low
6       113           17               20     low
7       114          100              100    high

由于计算平均值时应考虑重复的客户ID，因此我们应将每个细分的单个交易计数相加（低细分为1+2+2+2+3+17），然后除以唯一的客户ID（低细分为3），低细分为27/3=9。为每个客户id使用预先计算的金额：（5+2+20）/3=9

然而，当我试图对这些数据运行“dcast”或“aggregate”时，我得到了错误的数字，因为它们显然将每一行视为一个唯一的观察值：

 dcast(test, segment ~ ., mean, value.var="transactions")

给予

这有效地告诉我们，它将每个段的事务计数相加（低段为1+2+2+2+3+17），然后除以每个段的观察数（低段为6），而不是唯一的客户端ID

---

在这种情况下，计算平均值的正确方法是什么？

我们可以使用

数据。表

library(data.table)
setDT(test)[, .(transactions_mean = sum(transactions)/uniqueN(client_id)), by = segment]
#    segment transactions_mean
#1:     low                 9
#2:    high               100

您可以使用以下选项：

meanLow <- mean(test$segment == "low")
meanHigh <- mean(test$segment == "high")

---

meanLow您也可以使用
dplyr

library(dplyr)
test_2 <- test %>%
  group_by(segment) %>%
  summarise (meanTransactions=sum(transactions)/n_distinct(client_id))

test_2

# A tibble: 2 × 2
  segment transactions
    <chr>        <dbl>
1    high          100
2     low            9

库（dplyr）
测试2%
分组单位（分部）%>%
摘要（平均交易额=总和（交易额）/n不同（客户id））
测试2
#一个tibble:2×2
分部交易
1高100
2低9
谢谢，这很有效。以前我尝试过使用dcast（test，segment~，fun.aggregate=function（x）（sum（x）/length（unique（client_id））），value.var=“transactions”）但没有成功。好像我需要使用另一个图书馆。
meanLow <- mean(test$segment == "low")
meanHigh <- mean(test$segment == "high")

library(dplyr)
test_2 <- test %>%
  group_by(segment) %>%
  summarise (meanTransactions=sum(transactions)/n_distinct(client_id))

test_2

# A tibble: 2 × 2
  segment transactions
    <chr>        <dbl>
1    high          100
2     low            9