使用dplyr或data.table根据特定条件逐行汇总数据帧

我在下面有一个示例data.frame。原始数据集大约有一百万行和25列。我有一个带有for循环的解决方案，但它太慢了。所以我想知道有没有一种方法可以实现我想用dplyr或data.table做的事情

示例data.frame：

  outcome leg arm head
      1    0   1   0
      1    1   0   1
      1    0   1   1
      0    1   0   0
      0    0   1   0
      0    0   1   1
      1    1   0   0
      0    1   0   1
      1    0   0   0 
      0    0   0   0
      0    1   0   0
      1    0   1   0
      0    1   0   0
      0    0   0   1
      1    1   1   0
      0    1   1   0

每一行都是一个动作。结果一栏是该行动是否成功。而另一列则是这个动作是用腿、手臂还是用头

我需要的是另一个专栏，它给我提供了该类型行动中所有成功行动的百分比。例如，第一行是手臂的成功动作。因此，计算整个数据集中仅使用手臂的所有操作，并给我成功的百分比。然后在同一行的新列中输入新的%成功值。因此，数据集中共有3个带有arm的操作（行），2个操作成功（结果=1），因此同一行上的新值为0.666。我们的新行将如下所示：

outcome leg arm head successful
   1     0   1   0      0.666

然后我们将移动到第二行，这是一个腿（腿=1）和头（头=1）的动作，因此我们计算数据集中腿和头的所有动作，并获得成功动作的百分比

---

有没有办法通过data.table或dplyr为整个数据集实现这一点？我想data.table会更快吗？

您可以使用

数据。table

通过：

DT[, sum(outcome)/.N, by = .(leg, arm, head)]
#    leg arm head        V1
# 1:   0   1    0 0.6666667
# 2:   1   0    1 0.5000000
# 3:   0   1    1 0.5000000
# 4:   1   0    0 0.2500000
# 5:   0   0    0 0.5000000
# 6:   0   0    1 0.0000000
# 7:   1   1    0 0.5000000

DT %>% group_by(leg, arm, head) %>% summarize(successful = sum(outcome)/n())

# # A tibble: 7 x 4
# # Groups:   leg, arm [?]
#     leg   arm  head successful
#   <int> <int> <int>      <dbl>
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500

或

dplyr

by:

DT[, sum(outcome)/.N, by = .(leg, arm, head)]
#    leg arm head        V1
# 1:   0   1    0 0.6666667
# 2:   1   0    1 0.5000000
# 3:   0   1    1 0.5000000
# 4:   1   0    0 0.2500000
# 5:   0   0    0 0.5000000
# 6:   0   0    1 0.0000000
# 7:   1   1    0 0.5000000

DT %>% group_by(leg, arm, head) %>% summarize(successful = sum(outcome)/n())

# # A tibble: 7 x 4
# # Groups:   leg, arm [?]
#     leg   arm  head successful
#   <int> <int> <int>      <dbl>
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500

DT%>%分组依据（腿部、手臂、头部）%>%总结（成功=总结（结果）/n（）
##tibble:7 x 4
##组：腿、手臂[？]
#腿-臂-头成功
#           
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500

您可以使用

数据进行操作。表

通过：

DT[, sum(outcome)/.N, by = .(leg, arm, head)]
#    leg arm head        V1
# 1:   0   1    0 0.6666667
# 2:   1   0    1 0.5000000
# 3:   0   1    1 0.5000000
# 4:   1   0    0 0.2500000
# 5:   0   0    0 0.5000000
# 6:   0   0    1 0.0000000
# 7:   1   1    0 0.5000000

DT %>% group_by(leg, arm, head) %>% summarize(successful = sum(outcome)/n())

# # A tibble: 7 x 4
# # Groups:   leg, arm [?]
#     leg   arm  head successful
#   <int> <int> <int>      <dbl>
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500

或

dplyr

by:

DT[, sum(outcome)/.N, by = .(leg, arm, head)]
#    leg arm head        V1
# 1:   0   1    0 0.6666667
# 2:   1   0    1 0.5000000
# 3:   0   1    1 0.5000000
# 4:   1   0    0 0.2500000
# 5:   0   0    0 0.5000000
# 6:   0   0    1 0.0000000
# 7:   1   1    0 0.5000000

DT %>% group_by(leg, arm, head) %>% summarize(successful = sum(outcome)/n())

# # A tibble: 7 x 4
# # Groups:   leg, arm [?]
#     leg   arm  head successful
#   <int> <int> <int>      <dbl>
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500

DT%>%分组依据（腿部、手臂、头部）%>%总结（成功=总结（结果）/n（）
##tibble:7 x 4
##组：腿、手臂[？]
#腿-臂-头成功
#           
# 1     0     0     0      0.500
# 2     0     0     1      0.   
# 3     0     1     0      0.667
# 4     0     1     1      0.500
# 5     1     0     0      0.250
# 6     1     0     1      0.500
# 7     1     1     0      0.500
以下是如何使用
dplyr

df %>%
  group_by(arm, head, leg) %>%
  summarize_at(vars(outcome), funs(successful = mean)) %>%
  left_join(df, .)

最后一行将摘要合并到原始数据集中。我不知道这是否是你想要的，所以如果不是，就跳过最后一行
 以下是如何使用
dplyr

df %>%
  group_by(arm, head, leg) %>%
  summarize_at(vars(outcome), funs(successful = mean)) %>%
  left_join(df, .)

最后一行将摘要合并到原始数据集中。我不知道这是否是你想要的，所以如果不是，就跳过最后一行
 使用
dplyr
：

data<-group_by_at(data, .vars=2:4) %>% mutate(successful=sum(outcome)/n())

data%变异（成功=总和（结果）/n（）

.vars
可以替换为列所在的任何位置，因此，如果要包含的列超过20列，则该选项非常有用。
使用
dplyr
：

data<-group_by_at(data, .vars=2:4) %>% mutate(successful=sum(outcome)/n())

data%变异（成功=总和（结果）/n（）

.vars
可以替换为列所在的任何位置，因此，如果要包含的列超过20列，则它非常有用