如何将来自一个变量的数据与R中另一个变量的子集进行比较

Question

我正在使用两个变量“Neighborhood”和“UtilitySpending”。第一个是名义变量，其中所有记录都是“城市”，“城镇”或“农村”。第二个是连续变量，它只是一个月内某个家庭在公用事业上花费的金额（数据集中从500美元到6000美元不等）。

我的问题是使用这两个变量，我想找到邻域变量中“城市”中所有记录的效用支出的平均值，以便进行z检验以查看它是否与整个数据集的平均值。我确信有一个我可以使用的命令，但是我找不到一个可以隔离它的命令。鉴于我有3000条记录要筛选，找到这些信息的最佳方法是什么？

我想找到所有那些以“city”作为邻域值的记录的UtilitySpending的平均值。我怎样才能做到这一点？

Answer 1

使用dplyr包：

library(dplyr)

dt<-data.frame(Neighbourhood=c("city","rural","town","city","rural"),UtilitySpending=c(500,753,438,3361,4717))

dt<-dt %>% group_by(Neighbourhood) %>%
           dplyr::summarize(total_UtilitySpending=mean(UtilitySpending)) %>%
           as.data.frame() %>%
           filter(Neighbourhood=="city")

Answer 2

这可以在基线R中一行中轻松完成。由于您没有提供数据，我将重新使用上一个问题的集合，请参见下文。

使用此data.frame，您可以通过子集查找任何均值等。这里是每当变量Urgent等于YPred时计算列L2的平均值的示例：

mean( df[ df$YPred == "L2", "Urgent" ] )
[1] 44

下面的示例数据：

    df <- structure(list(Tag = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L
), YPred = structure(c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L
), .Label = c("L1", "L2", "L3", "L4", "L5"), class = "factor"), 
    Long = c(1004L, 544L, 545L, 282L, 1L, 2068L, 3006L, 3711L, 
    2342L, 33L), Medium = c(108L, 252L, 211L, 149L, 0L, 17L, 
    110L, 248L, 341L, 4L), short = c(58L, 118L, 131L, 73L, 4L, 
    0L, 43L, 150L, 189L, 2L), Urgent = c(5L, 70L, 65L, 24L, 5L, 
    22L, 18L, 31L, 96L, 2L)), .Names = c("Tag", "YPred", "Long", 
"Medium", "short", "Urgent"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10"))