Dplyr не работает при вызове group_by для столбца состояний
У меня есть следующий фреймворк данных с именем selection.raw со следующей формой:
теперь меня интересует группировка фрейма данных по состоянию, поэтому, если я выполню следующую команду:
election.raw%>%group_by(state)
Я получаю следующий вывод:
Как видно, штаты не были сгруппированы, я, по сути, хочу, чтобы все штаты были вместе, а затем оттуда можно было объявить кандидата, получившего наибольшее количество голосов в каждом штате, и получить фрейм данных, который показывает победителя для каждого штата. Любая идея, почему это не работает?
Ответы 2
Вы установили группировку, но эта группировка не изменит фрейм данных, если вы не сделаете для него какую-либо сводку. Поскольку вы не предоставили ничего воспроизводимого, вот небольшой пример.
df <- data.frame(
state = c('AZ','AZ','AZ','ID','ID'),
votes = c(10, 2, 4, 12, 23)
)
ДФ:
state votes
1 AZ 10
2 AZ 2
3 AZ 4
4 ID 12
5 ID 23
Это выведет filter и вернет maxvotes для каждого state.
library(dplyr)
new_df <- df %>%
group_by(state) %>%
filter(votes == max(votes))
new_df:
# A tibble: 2 x 2
# Groups: state [2]
state votes
<chr> <dbl>
1 AZ 10
2 ID 23
Если вы хотите узнать каждый процент от общего числа голосов в каждом штате...
percents <- df %>%
group_by(state) %>%
mutate(`%Total` = round(votes/sum(votes), 2)) %>%
arrange(state, desc(`%Total`))
проценты:
# A tibble: 5 x 3
# Groups: state [2]
state votes `%Total`
<chr> <dbl> <dbl>
1 AZ 10 0.62
2 AZ 4 0.25
3 AZ 2 0.12
4 ID 23 0.66
5 ID 12 0.34
group_by по существу подмножит ваши данные для сводок. Например, если у вас есть данные о голосовании и вы фильтруете максимальное количество голосов, вы получите взамен одну запись: какое бы значение ни было самым высоким. Если вы примените group_by(state), каждая запись попадет в group, которая является частью всего набора данных. Затем, если вы отфильтруете максимальное количество голосов, вы должны получить запись с наибольшим количеством голосов на группу, в этом случае state - вы должны получить 50 записей: максимальное количество голосов на штат из-за группировки.
Смотрите добавленный контент. Если бы вы хотели получить только самые большие %Total голоса по штатам, вы бы добавили filter(`%Total` == max(`%Total`))
Я больше имел в виду сумму процентов, которые вы выводили для каждого кандидата, так что после этого какая-то сумма по кандидату. есть ли что-то подобное для р?
Сумма процентов по штатам и кандидатам не имеет смысла. Если вы пытаетесь найти процент от общего числа голосов, поданных по всей территории США, вы, вероятно, выберете group_by(candidate) и суммируете таким образом. У вас также может быть несколько полей в вашей группе: group_by(candidate, state) и т. д. Если вы не знаете, как использовать функцию, попробуйте поставить ? впереди, чтобы прочитать, что именно происходит (пример: ?group_by)
спасибо искренне вы очень помогли
Я по существу хочу, чтобы все штаты были вместе
Переупорядочивание строк фрейма данных — это то, что делает arrange(). group_by не вносит никаких видимых изменений, он просто позволяет последующим вызовам других команд (мутировать, фильтровать, суммировать и т. д.) выполнять действия по группам, а не по всем данным.
# this is what you need to show all the rows together for each state
df %>% arrange(state)
Но, конечно, упорядочивать немного бессмысленно, если вы собираетесь свернуть каждое состояние в одну итоговую строку...
Чтобы получить округ с наибольшим количеством голосов в штате, ответ TTS показывает хорошую общую версию, но для общего случая получения максимального количества голосов на группу вы можете использовать slice_max:
df %>%
group_by(state) %>%
slice_max(votes, n = 1)
интересно, что имеет гораздо больше смысла сейчас. Да договориться вроде бы тривиально в данном случае спасибо. что было бы лучше, если бы я хотел сообщить о наибольшем проценте голосов для каждого штата после подсчета голосов штата-кандидата по общему количеству голосов штата?
Я отредактировал на примере с функцией полезности slice_max. Смотрите ответ TTS для более общего подхода.
Почему это так? также, как я мог бы сделать вышеперечисленное, но вместо этого я взял общее количество голосов за каждого кандидата и разделил их на общее количество голосов для каждого штата и вернул максимальное значение этих значений