r - 使用data.table根据另一列中的类别计算出现的百分比

Question

最近我在 R 中使用 data.table，它非常流行和高效。目前我遇到了一个我认为可以使用 data.table 解决的问题。

我有一个这样的数据集:

event | group_ind 
  1   | group1
  1   | group1
  1   | group1
  2   | group1
  2   | group1
  1   | group2
  1   | group2
  2   | group2
  2   | group3
  2   | group3

现在我想知道每个组中发生事件 1 的百分比。这个数据集的结果很明显:组 1 中的事件 1 为 60%，组 2 中为 67%，组 3 中为 0。实际上，数据集有更多的观察结果，具有 2 种以上的事件类型，并且行未按特定顺序排序。我可以在 R 中以一种非常虚拟的方式得到我想要的东西(通过计算事件列中的发生次数除以每组中的总观察数)，但我认为应该有一种更巧妙的方法来做到这一点。

所以我想要的结果是这样的:

 event | group_ind | percentage
   1   | group1    | 0.6
   2   | group1    | 0.4
   1   | group2    | 0.67
   2   | group2    | 0.33
   1   | group3    | 0
   2   | group3    | 100

我希望这可以在 data.table 中完成。非常感谢您的帮助。

Answer 1

一个简单的解决方案就是

setDT(DT)[, .(event = 1:2, percentage = tabulate(event)/.N), by = group_ind]
#    group_ind event percentage
# 1:    group1     1  0.6000000
# 2:    group1     2  0.4000000
# 3:    group2     1  0.6666667
# 4:    group2     2  0.3333333
# 5:    group3     1  0.0000000
# 6:    group3     2  1.0000000

虽然更通用的解决方案是使用 unique在 event (也可以预订 - 正如@EdM 所建议的那样)。

setDT(DT)[order(event), .(event = unique(event), percentage = tabulate(event)/.N), by = group_ind]