有没有更好的方法来找到满足R中数据框中另一列中每个值的标准的一列的百分比？

Question

我有一个包含列grade.equivalent和scaled.score的数据框，这两个列都是数字。我想找出所有达到或超过每个grade.equivalent的学生在给定scaled.score或以上的学生的百分比。

例如，给定以下数据帧：

df.ex <- data.frame(grade.equivalent=c(2.4,2.7,3.1,2.5,1.4,2.2,2.3,1.7,1.3,2.2),
scaled.score=c(187,277,308,268,236,305,298,246,241,138)
)

我想知道每一个grade.equivalent，在所有达到或超过该grade.equivalent分数的学生中，有多少百分比的学生得分高于301。

为此，我执行了以下操作：

find.percent.basic <- function(cut.ge, data, cut.scaled.score){
df.sub <- subset(data, grade.equivalent >= cut.ge & !is.na(scaled.score))
denom <- nrow(df.sub)
df.sub <- subset(df.sub, scaled.score >= cut.scaled.score)
numer <- nrow(df.sub)
return(numer/denom)
}

grade.equivs <- unique(df.ex$grade.equivalent)
grade.equivs <- grade.equivs[order(grade.equivs)]

just.percs <- sapply(grade.equivs, find.percent.basic, data=df.ex, cut.scaled.score=301)

new.df <- data.frame(grade.equivalent=grade.equivs, perc=just.percs)

我计划将其封装在一个函数中，并与plyr一起使用。

我的问题是，有没有更好的方法呢？看起来这可能是r的一个基本函数，或者是一个我不知道的普通包。

谢谢你的任何想法。

编辑澄清上面的代码会产生以下结果，这就是我想要的结果：

grade.equivalent      perc
1              1.3 0.2000000
2              1.4 0.2222222
3              1.7 0.2500000
4              2.2 0.2857143
5              2.3 0.2000000
6              2.4 0.2500000
7              2.5 0.3333333
8              2.7 0.5000000
9              3.1 1.0000000

根据@DWin的观察结果进行了第二次编辑以澄清

Answer 1

布尔值的平均值是true的百分比，所以应该是这样的：

mean(data$scaled.score >= cut.ss, na.rm=TRUE)

正如你在评论中所说，是的，这正是你需要做的。我会选择以稍微不同的方式访问scaled.score，但没有真正的区别。

gs <- sort(unique(df.ex$grade.equivalent))
ps <- sapply(gs, function(cut.ge) {
  mean(df.ex$scaled.score[df.ex$grade.equivalent>=cut.ge] >= 301, na.rm=TRUE)
})
data.frame(gs, ps)

#  gs        ps
# 1.3 0.2000000
# 1.4 0.2222222
# 1.7 0.2500000
# 2.2 0.2857143
# 2.3 0.2000000
# 2.4 0.2500000
# 2.5 0.3333333
# 2.7 0.5000000
# 3.1 1.0000000

我认为这不是plyr的split-apply-combine方法能很好地工作的事情，因为你不能为每个等同的等级将数据拆分成离散的子集，相反，一些行将出现在多个子集中。

另一种选择是将分数(或整个数据框，如果需要)自己拆分成所需的部分，然后应用您想要的任何函数；这将是与plyr相同的方法，只是需要更多手动操作。

scores <- lapply(gs, function(x) df.ex$scaled.score[df.ex$grade.equivalent>=x])
sapply(scores, function(x) mean(x>301, na.rm=TRUE))

最后一个选项是按顺序排列它们，然后计算累积平均值，然后删除重复的grade.equivalent值，如下图所示。

df2 <- df.ex[rev(order(df.ex$grade.equivalent)),]
df2$perc <- cumsum(df2$scaled.score>301)/1:nrow(df2)
df2 <- df2[nrow(df2):1,c("grade.equivalent", "perc")]
df2[!duplicated(df2$grade.equivalent),]

Answer 2

 with(df.ex, tapply(scaled.score, INDEX=grade.equivalent, 
                   FUN=function(s) 100*sum(s>301)/length(s) ) )
#1.3 1.4 1.7 2.2 2.3 2.4 2.5 2.7 3.1 
#  0   0   0  50   0   0   0   0 100