在data.frame中按组显示加权平均值

Question

有关命令的问题by和weighted.mean已经存在，但没有一个能够帮助解决我的问题。我是R语言的新手，比起编程，我更习惯于数据挖掘语言。

我有一个数据框，其中包含每个人（观察/行）的收入，教育水平和样本权重。我想按教育程度计算收入的加权平均值，并且希望将结果与原始数据框的新列中的每个人相关联，如下所示：

obs income education weight incomegroup
1.   1000      A       10    --> display weighted mean of income for education level A
2.   2000      B        1    --> display weighted mean of income for education level B
3.   1500      B        5    --> display weighted mean of income for education level B
4.   2000      A        2    --> display weighted mean of income for education level A

我试过了：

data$incomegroup=by(data$education, function(x) weighted.mean(data$income, data$weight))    

这是行不通的。加权均值是通过某种方式计算的，并显示在“收入组”列中，但是对于整个集合而不是按组或仅对于一个组，我不知道。我阅读了有关软件包的内容plyr，aggregate但似乎并没有做我感兴趣的事情。

该ave{stats}命令给出的正是我要查找的内容，但仅出于简单的意思：

data$incomegroup=ave(data$income,data$education,FUN = mean)

不能与砝码一起使用。

预先感谢您的帮助！

Answer 1

如果使用mutate，则可以避免left_join

library(dplyr)
df %>%
   group_by(education) %>% 
   mutate(weighted_income = weighted.mean(income, weight))
#    obs income education weight weighted_income
#  <int>  <int>    <fctr>  <int>           <dbl>
#1     1   1000         A     10        1166.667
#2     2   2000         B      1        1583.333
#3     3   1500         B      5        1583.333
#4     4   2000         A      2        1166.667

Answer 2

尝试使用dplyr软件包，如下所示：

df <- read.table(text = 'obs income education weight   
                          1   1000      A       10     
                          2   2000      B        1     
                          3   1500      B        5     
                          4   2000      A        2', 
                 header = TRUE)     

library(dplyr)

df_summary <- 
  df %>% 
  group_by(education) %>% 
  summarise(weighted_income = weighted.mean(income, weight))

df_summary
# education weighted_income
#     A        1166.667
#     B        1583.333

df_final <- left_join(df, df_summary, by = 'education')

df_final
# obs income education weight weighted_income
#  1   1000         A     10        1166.667
#  2   2000         B      1        1583.333
#  3   1500         B      5        1583.333
#  4   2000         A      2        1166.667

Answer 3

weighted.mean基础 R 中有一个函数。不幸的是，它不适用于ave. 一种解决方案是使用data.table

library(data.table)
setDT(data)
data[, incomeGroup := weighted.mean(income, weight), by=education]
data
   income education weight incomeGroup
1:   1000         A     10    1166.667
2:   2000         B      1    1583.333
3:   1500         B      5    1583.333
4:   2000         A      2    1166.667

一个奇怪的方法ave是

ave(df[c("income", "weight")], df$education,
    FUN=function(x) weighted.mean(x$income, x$weight))[[1]]
[1] 1166.667 1583.333 1583.333 1166.667

您将子集 data.frame 提供给函数，然后按分组变量进行分组。FUN 参数创建一个函数，该函数采用 data.frame 并应用于weighted.mean结果。由于最终输出是 data.frame，因此[[1]]返回具有所需结果的向量。

请注意，这只是证明这是可能的——我不推荐这种方法，该data.table技术更清晰，并且在超过 1000 个观察值的数据集上会更快。