我有一個資料框，每個人都有多行。每個人都有一個ID。此外，每人的每一行都有一列，其百分比在各行中加起來為 100。
下面的資料框DF：
| ID | 百分比 |
|---|---|
| 1 | 50 |
| 1 | 50 |
| 2 | 25 |
| 2 | 20 |
| 2 | 45 |
| 2 | 10 |
我想應用 Herfindahl-Hirschman 指數（hhi 函式）來按人計算指數。該函式是 hhi(x, s) 并且有兩個引數。x = 物件，s = 值列（在本例中為百分比）。到目前為止，我已經嘗試了以下方法，但它不起作用。它仍然計算整個資料幀的索引。
setDT(df)[,hhi(df, "百分比"), ID]
uj5u.com熱心網友回復：
摘要：您拼寫錯誤百分比，盡管這似乎是由于未能準確復制您的代碼。正如您所指出的，真正的問題是 data.table 函式每次通過by-loop 時都會使用整個百分比值列。參考構造的資料子集的正確方法是使用by.SD（資料子集）構造。
這是 MCVE
library(hhi)
df <- read.table(text="ID Percentage
1 50
1 50
2 25
2 20
2 45
2 10", head=T)
library(data.table)
setDT(df)
df[,hhi(df, "percentage"), ID]
#------------------
Error in `[.data.frame`(x, i, j) : undefined columns selected
Error in `[.data.frame`(x, i, j) : undefined columns selected
In addition: Warning message:
In hhi(df, "percentage") : shares, "s", do not sum to 100
#-----------------
df[,hhi(df, "Percentage"), ID] # correct spelling
ID V1
1: 1 8150
2: 2 8150
Warning messages:
1: In hhi(df, "Percentage") : shares, "s", do not sum to 100
2: In hhi(df, "Percentage") : shares, "s", do not sum to 100
這顯然是您所看到的，這是因為您沒有正確告訴[.data.table函式與子集評估的函式df相同。df要正確執行此操作，您需要使用.SD自（子集）參考操作。
df[,hhi(.SD, "Percentage"), by=ID]
#-----------
ID V1
1: 1 5000
2: 2 3150 # no warnings, more sensible indices of concentration
將此操作的基本版本與 data.table 和另一個發布者的 dplyr 版本進行比較是很有趣的。我碰巧認為，就優雅而言，贏家是 base-R，盡管[.data.table對于大型資料集來說，學習該函式的有些特殊，有時是優雅的語法肯定是有動機的.
lapply( split(df, df$ID), hhi, s="Percentage")
$`1`
[1] 5000
$`2`
[1] 3150
uj5u.com熱心網友回復：
IRTFM 的解決方案非常出色且優雅。這也是一個 dply 解決方案。使用匿名函式或 dplyr group_by 可能有更簡單的方法
library(dplyr)
library(hhi)
library(purrr)
compute_hhi<-function(df){
hhi=hhi( df %>% as.data.frame(.),"Percentage")
id=df %>% pluck("ID") %>% head(1)
data.frame(id,hhi)
}
df_hhi<-df %>%
group_split(ID, .keep=TRUE) %>%
map(compute_hhi) %>%
bind_rows()
df_hhi
#> id hhi
#> 1 1 5000
#> 2 2 3150
由reprex 包于 2022-01-14 創建(v2.0.1)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/412380.html
標籤：