Використання R та dplyr для обчислення зваженої середньої вибраних колонок

8 Березня 2024 в 23:49 126

У аналізі даних часто виникає потреба обчислити зважену середню для певного набору даних. Це особливо корисно, коли маємо велику кількість колонок і хочемо обчислити середнє значення, зважене за певними вагами. У цій статті ми розглянемо, як використовувати мову програмування R та пакет dplyr для обчислення зваженої середньої вибраних колонок в табличних даних.

Розглянемо задачу: ми маємо табличні дані з декількома колонками і вагами, і ми хочемо обчислити зважену середню для певного набору колонок за цими вагами. Наприклад, ми маємо табличні дані з колонками a, b, та c, і ми хочемо обчислити зважену середню для цих колонок, де колонка a має вагу 0.4, колонка b має вагу 0.4, а колонка c має вагу 0.2.

# Створимо табличні дані
db <- tibble(a = rnorm(1000),
            b = rnorm(1000),
            c = rnorm(1000))
# Створимо табличку з вагами
w <- tibble(col = c("a","b","c"),
           w = c(.4,.4,.2))

# Створимо табличні дані

db <- tibble(a = rnorm(1000),

b = rnorm(1000),

c = rnorm(1000))

# Створимо табличку з вагами

w <- tibble(col = c("a","b","c"),

w = c(.4,.4,.2))

Для обчислення зваженої середньої використаємо функцію mutate() з пакету dplyr. Ми виберемо відповідні колонки з db, помножимо їх на відповідні ваги з w, підсумуємо результати та нормалізуємо їх за допомогою суми ваг.

library(dplyr)
db <- db %>%
  mutate(AVG = rowSums(select(., all_of(w$col)) * w$w) / sum(w$w))

library(dplyr)

db <- db %>%

mutate(AVG = rowSums(select(., all_of(w$col)) * w$w) / sum(w$w))

У цьому коді rowSums(select(., all_of(w$col)) * w$w) обирає відповідні колонки з db, помножує їх на відповідні ваги з w та підсумовує результат. Поділення на sum(w$w) визначає загальну суму ваг для нормалізації. Цей підхід масштабований для будь-якого вибору, оскільки він динамічно вибирає колонки та їх ваги з табличок db та w.

Тепер ми можемо легко обчислити зважену середню для будь-якого вибору колонок у наших даних за допомогою мови програмування R та пакету dplyr.