循环一个事务文件，以求出产品的平均价格。

Question

我正在编制一个数据文件，其中包含来自不同连锁商店(如超市)的产品销售情况。(取自此数据集，以防有人熟悉)。该文件包含若干字段：

1. id -唯一的客户id
2. 连锁连锁id
3. 部门-类别的汇总分组(如水)
4. 类别-产品类别(如汽水)
5. 公司-销售该物品的公司的身份证
6. 品牌-项目所属品牌的标识
7. 日期-购买日期
8. 产品尺寸-产品购买量(例如16盎司水)
9. 产品测量-产品购买单位(例如盎司)
10. 购买数量-购买单位数量
11. 采购金额-购货金额
12. 产品价格-产品价格(按购置额/购置价计算)

我想要计算每个产品的平均价格。在这个练习中，我假设我可以通过以下字段来定义一个唯一的产品：类别、品牌、产品大小，这样任何唯一的产品都对应于这三个字段的唯一组合。

因此，首先，我标识了数据集中的唯一项，以获得所有产品的列表：

#transactions is the name of the data frame
items <- unique(transactions %>% select(category, brand, productsize))

现在，我可以使用它作为一个查找表，从事务数据集中提取唯一的产品，并为每个产品得出平均价格。

因为我是新手，所以我只设法让它与一个(不太优雅)的for循环一起工作。

for (i in 1:nrow(items)) {
  temp1 <- filter(transactions, category==items[i,1])
  temp2 <- filter(temp1, brand==items[i,2])
  temp3 <- filter(temp2, productsize==items[i,3])
  items$meanvalue[i]<- mean(temp3$productprice)
}

这是可行的，但它当然很慢。所述事务数据帧具有480612个条目，所述项数据帧具有56658。我没有处理大型数据集的经验，但我确信问题在于代码，而不是代码的大小。

巴斯丁中的示例文件(300行)。

编辑:发现summarise在这方面运行得很好！

avgPrice <- transactions %>% group_by(category, brand, productsize) %>% summarise(avgPrice = mean(productprice))

Answer 1

因为R是矢量化的，这应该比使用for循环快得多！

# library(tidyverse) # if needed

# get item combinations
itemCombs <- transactions %>% 
  group_by(category, brand, productsize) %>% 
  slice(1) %>% 
  ungroup() %>% 
  mutate(item = 1:n()) %>% 
  select(item, everything())

# append item combinations to original dataset and calculate avg price per item 
avgPrice <- transactions %>% 
  left_join(itemCombs, by = c("category", "brand", "productsize")) %>% 
  select(item, productprice) %>% 
  arrange(item) %>% 
  group_by(item) %>% 
  mutate(nItems = n(),
         sumPrice = sum(productprice)) %>% 
  ungroup() %>% 
  mutate(avgPrice = sumPrice/nItems)