按R中的自定义范围分组数据(例如0-4、1-5、2-6、3-7等)
我使用的是来自https://www.kaggle.com/c/titanic的泰坦尼克号数据集。
我想把"0-4"，"1-5"，"2-6"，"3-7“等不同的年龄组，找出存活率最高的年龄组。我的年龄组在整数区间0,80内。原始数据集中的列"Age“也包括NAs。" survived“列包含此人是否幸存的信息(0 =否，1=是)。
我试着像这样解决这个问题，但它不起作用。如果有任何帮助，我将不胜感激。
for(i in 0:80){
max= -Inf
x[i]<-(sum(subset(dataset, Age < (i+5) & Age >= i, select = "Survived")))/(length(which(dataset$Age < (i+5) & dataset$Age>= i)))
if (x[i] > max) max <- x[i]
return(max, i, i+5)}回答 3
Stack Overflow用户
发布于 2017-10-18 06:53:54
首先，我将编造一些数据。
set.seed(1234) # make it reproducible
Age <- sample(c(NA, 1:80), 200, TRUE)
Survived <- sample(0:1, 200, TRUE)现在来看代码。定义一个函数，将输入分组，并从0到3，将函数lapply到每个组。
fun <- function(i, x){
as.character(cut(x, breaks = seq(i, 80, by = 5), include.lowest = TRUE))
}
res <- unlist(lapply(0:3, fun, Age))
table(res)
res_surv <- unlist(lapply(0:3, fun, Age[Survived == 1]))
table(res_surv)如果你想要百分比，你可以用
tbl_surv <- table(res_surv)
100*tbl_surv/sum(tbl_surv)Stack Overflow用户
发布于 2017-10-29 20:31:17
操作员已请求
找出存活率最高的年龄组
有一种可能的解决方案是使用非equi join
library(data.table)
library(titanic)
dataset <- as.data.table(titanic_train)
delta <- 4
max_age <- 80
dataset[
.(lower = seq(0, max_age - delta), upper = seq(delta, max_age)),
on = .(Age >= lower, Age <= upper), .SD[, .N, by = Survived], by = .EACHI][
, total.N := sum(N), by = Age][, share := N / total.N][]Age Age Survived N total.N share 1: 0 4 1 27 40 0.6750000 2: 0 4 0 13 40 0.3250000 3: 1 5 0 13 37 0.3513514 4: 1 5 1 24 37 0.6486486 5: 2 6 0 12 33 0.3636364 --- 137: 72 76 0 1 1 1.0000000 138: 73 77 0 1 1 1.0000000 139: 74 78 0 1 1 1.0000000 140: 75 79 NA 1 1 1.0000000 141: 76 80 1 1 1 1.0000000
到目前为止的结果显示，只有一名乘客幸存的年龄组的存活率最高，为100%。这是微不足道的，可能不是操作员想要的结果。要么必须扩大delta，要么必须对每个年龄组的乘客绝对数量设定阈值，例如total.N > 2。
Stack Overflow用户
发布于 2017-10-18 09:29:51
一种方法是按年龄将所有内容制成表格，然后将其转换为组。然后递归地使用lag()函数添加每组五行。假设数据帧(df)有两列Age和Survived (0或1)：
library(dplyr)
df %>% group_by(Age) %>%
summarize(n = n(), Survived = sum(Survived)) %>%
arrange(Age) %>%
mutate(Age_Group = paste0(Age-4, "-", Age)) %>%
mutate_at(vars(n, Survived),
funs(. + lag(.) + lag(lag(.)) + lag(lag(lag(.))) + lag(lag(lag(lag(.)))))) %>%
mutate(SurvivalRate = Survived/n) %>%
filter(!is.na(n)) %>%
select(-Age)https://stackoverflow.com/questions/46800031
复制相似问题
腾讯云开发者
