时间:2021-05-20
如:
aggregate(.~ID,data=这个数据框名字,mean)如果是对数据框分组,组内有重复的项,对于重复项保留最后一行数据用:
pcm_df$duplicated <- duplicated(paste(pcm_df$OUT_MAT_NO, pcm_df$Posit, sep = "_"), fromLast = TRUE)pcm_df <- subset(pcm_df, !duplicated)pcm_df$duplicated <- NULL补充:R语言分组求和,分组求平均值,分组计数
我们经常可能需要把一个数据按照某一属性分组,然后计算一些统计值。在R语言里面,aggregate函数就可以办到。
## S3 method for class 'data.frame'aggregate(x, by, FUN, ..., simplify = TRUE, drop = TRUE)我们常用到的参数是:x, by, FUN。
x, 你想要计算的属性或者列。
by, 是一个list,可以指定一个或者多个列作为分组的基础。
FUN, 指定一个函数,用来计算,可以作用在所有分组的数据上面。
假如这个是我们的数据。
type<-c("a","b","c","a","c","d","b","a","c","b")value<-c(53,15,8,99,76,22,46,56,34,54)df<-data.frame(type,value)df type value1 a 532 b 153 c 84 a 995 c 766 d 227 b 468 a 569 c 3410 b 54分组求平均很简单,只要将上面的sum改成mean就可以了。
aggregate(df$value, by=list(type=df$type),mean) type x1 a 69.333332 b 38.333333 c 39.333334 d 22.00000分组计数就是在分组的情况下统计rows的数目。
aggregate(df$value, by=list(type=df$type),length) type x1 a 32 b 33 c 34 d 1基于多个属性分组求和。
我们在原有的数据上加上一列,可以看看多属性分组。
type_2 <-c("F","M","M","F","F","M","M","F","M","M")df <- data.frame(df, type_2)df type value type_21 a 53 F2 b 15 M3 c 8 M4 a 99 F5 c 76 F6 d 22 M7 b 46 M8 a 56 F9 c 34 M10 b 54 Maggregate(x=df$value, by=list(df$type,df$type_2),sum) Group.1 Group.2 x1 a F 2082 c F 763 b M 1154 c M 425 d M 22以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
Python实现按某一列关键字分组,并计算各列的平均值,并用该值填充该分类该列的nan值。DataFrame数据格式fillna方式实现groupby方式实现D
x上面一横的意思是: 这个符号念做“Xbar”,为求平均值符号。 平均值有,算术平均值,几何平均值,平方平均值,调和平均值,加权平均值等几种。其中以算术平均
问题:根据数据某列进行分组,选择其中另一列大小top-K的的所在行数据解析:求解思路很清晰,即先用groupby对数据进行分组,然后再根据分组后的某一列进行排序
许多人在运用excel的时候,都只能简单的求和,求平均值,排序等,其实那些都是皮毛,excel中有许多高级的应用,学会后会让你快速对数据进行分析,统计。下面
什么是标准偏差?它是用来衡量数据值偏离算术平均值的程度,标准偏差越小,这些值偏离平均值就越少,今天我们就来看看excel自动求样本的标准偏差的教程,主要是函数S