假设我有一个牙刷品牌数据框，并评估了它们随时间的流行程度：
year brand_1 brand_2
2010 0.7 0.3
2011 0.6 0.6
2012 0.4 0.9
还有一个说每个牙刷品牌都通电时，NA这表示他们从未这样做过：
brand went_electrical_year
brand_1 NA
brand_2 2011
现在，我想将这些结合起来，以获得每年电动牙刷品牌的普及率（占总数的一部分）：
year electrical_prevalence
2010 0
2011 0.5
2012 0.69
在2010年，B / C为0，没有一个品牌是电气品牌。在2011年，两者均为0.5 b / c，它们同样普遍。在2012年，两者均为0.69 b / c，但电气方面更为普遍。
我已经在R中对此进行了角力，但找不到解决方法。将不胜感激任何帮助或建议。干杯。
假设数据帧是df1和df2，则可以使用以下tidyverse方法。
首先，使用pivot_longer可以将您的数据设置为长格式，这将更易于操作。使用left_join添加当品牌去电的相关年份。
我们可以创建一个指标mult，如果品牌已经用电，则该指标将为1，如果没有，则为0。
然后，对于每一年，您可以通过将mult每个品牌的受欢迎程度值乘以然后除以该年的总和来确定比例。
library(tidyverse)
df1 %>%
pivot_longer(cols = -year) %>%
left_join(df2, by = c("name" = "brand")) %>%
mutate(mult = ifelse(went_electrical_year > year | is.na(went_electrical_year), 0, 1)) %>%
group_by(year) %>%
summarise(electrical_prevalence = sum(value * mult) / sum(value))
输出量
year electrical_prevalence
<int> <dbl>
1 2010 0
2 2011 0.5
3 2012 0.692
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句