如何根据另一列的信息绘制大型数据集的年平均值？

Question

我有一个包含数百万家企业的数据集，它们被归类为初创企业或非初创企业，以及它们的年收入。

数据如下所示：

​

​

我想要计算和绘制创业公司组和非创业公司组的年度平均值。换句话说，我想计算和绘制1998,1999,2000年初创公司的收入均值。以及1998,1999,2000,2001年的非初创公司的手段……

我该怎么做呢？

Ps。当我尝试单独计算每一列的平均值时，由于某种原因，结果以NaN形式出现，我不知道为什么。例如，当我运行代码mean(data$1998，na.rm = TRUE)时，结果是NaN。

Answer 1

编辑:在没有实际查看数据的情况下，很难说出使用NaNs的原因。下面的答案是您原始问题的答案。

给出一个样本数据总是很好的，这样我们就可以重新创建。例如，我创建了一个虚拟数据，并展示了如何做到这一点。

IDs <- 
data.frame(enterprise = letters,
       classification = sample(c('STARTUP','NOT STARTUP'), length(letters), replace = TRUE))

dat <-
as.data.frame(matrix(sample(200:600, length(letters) * 7), nrow = length(letters), ncol = 7))
names(dat) <- 1998:2004

final.dat <- as.data.frame(cbind(IDs, dat))

final.dat看起来与您的数据相似。

我要做的第一件事是将数据转换为长格式

  library(tidyr)

  final.dat_long <- tidyr::gather(final.dat, yearRef, revenue, `1998`:`2004`)

现在按分类和yearRef分组，以获得每个分类和年份组合的平均值

summary <- final.dat_long %>% group_by(classification, 
 yearRef) %>% 
 summarise(meanRevenue = mean(revenue))

对于绘图，有许多工具。我正在使用ggplot

 library(ggplot2)

  ggplot(summary, aes(x = yearRef, y = meanRevenue, fill 
  = classification)) +
  geom_bar(position = 'dodge', stat = 'identity')

​

​