如何打印因子水平汇总统计的最小值和最大值取中位数/比例的最小值和最大值？

问题描述

我有以下数据，包括10种产品（a，b，c，...）及其说明（其他变量）。

我需要报告产品之间其他变量（中位数/比例）的汇总统计量如何变化（应将每个汇总统计值的最小值和最大值打印出来。）

例如：

哪个产品的价格最低而哪个中位数价格最高（只需报告两个值，产品名称无关紧要）。

哪个产品具有最低和最高的“不良”评级比例（只需报告两个值，产品名称无关紧要）。

有简单的编码方法吗？我的实际数据中有10,000种产品和150个其他变量，只盯着汇总表会杀死我。

数据

```{r}
data.frame(
product = rep(letters[1:10],each = 2,times = 500),price = rnorm(1000,100,30),weight = rnorm(1000,8,2),price_category = rep(c("expensive","cheap"),each = 4,times = 250),rating = replicate(1,sample(c("good","bad"),1000,rep=TRUE)))
```

解决方法

您可以查看dplyr软件包，以便轻松回答此类问题。

1. 哪个产品的中位数最低，哪个价格最高？

library(dplyr)
df %>%
  group_by(product) %>%
  summarise(median_price = median(price)) %>%
  slice(which.min(median_price),which.max(median_price))

#  product median_price
#  <chr>          <dbl>
#1 f               91.9
#2 e              107. 

1. 哪种产品的“不良”评级比例最低和最高

df %>%
  group_by(product) %>%
  summarise(prop_of_bad_ratings = mean(rating == 'bad')) %>%
  slice(which.min(prop_of_bad_ratings),which.max(prop_of_bad_ratings))

#  product prop_of_bad_ratings
#  <chr>                 <dbl>
#1 j                      0.44
#2 c                      0.55

,

您还可以使用数据表。 :=运算符通过将价格列与by分组来进行就地分配（在这种情况下，创建新的中位数列） 论据。然后，您可以找到最小值和最大值。 .N运算符获得数据值数量的计数。

library(data.table)
  
dt <- data.table(data.frame(
    product = rep(letters[1:10],each = 2,times = 500),price = rnorm(1000,100,30),weight = rnorm(1000,8,2),price_category = rep(c("expensive","cheap"),each = 4,times = 250),rating = replicate(1,sample(c("good","bad"),1000,rep=TRUE))))
  
dt[,medians := median(price),by=product]

# Highest and lowest median price
dt[c(which.min(medians),which.max(medians)),medians]

# Calculate proportions of each product
dt[,prodcount := .N,by=product]
dt[,percent := 100 * (.N / prodcount),by=.(rating,product)]
bad <- dt[rating == 'bad',]
bad[c(which.min(percent),which.max(percent))]