r - ddply 在 R : for each group, 中找到特定变量的出现百分比

Question

我有一个包含两列、user_type 和滞后响应时间(以天为单位)的数据集:

          user_type imp_date lag 
           Consumer 20130613   1  
           Consumer 20130612   2  
           Consumer 20130611   3  
           Consumer 20130612   3  
           Producer 20130610  10  
           Producer 20130614   5  
           Producer 20130613   7  

我想计算每个 user_type 的延迟百分比分解。这是我想要的输出示例:

user_type        lag    percentage
---------        ---    ----------
Consumer         1      0.25
Consumer         2      0.25
Consumer         3      0.5
Producer         5      0.333
Producer         7      0.333
Producer         10     0.333

延迟时间响应的百分比分割是相对于每个 user_type 组的总数计算的。

具体来说，我想在 pylr 中使用 ddply，我有一些类似的东西:

a = ddply(data, .(user_type), summarize, table(lag)/length(lag))

但它没有给我滞后时间响应列。

附言我最初的动机是为不同的用户类型绘制这些滞后分布，我有:

p <- ggplot(data, aes(x = lag, fill = factor(user_type))) 
p + geom_bar(aes(y = (..count..)/sum(..count..)))

但似乎每个 user_type 的滞后百分比分割是不正确的(即百分比是针对每个滞后组计算的，而不是 user_type 组)。因此，我决定在绘图之前转换我的数据集，如果有更简单的方法，请分享。

谢谢!

Answer 1

这可以使用 ddply 来完成:

a = ddply(data, .(user_type), function(d) {
    data.frame(table(d$lag)/length(d$lag))
})

虽然我可能会使用 data.table包，像这样:

library(data.table)
d = data.table(data)
a = d[, list(lag=unique(lag), percentage=as.numeric(table(lag)/length(lag))), by="user_type"]