首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >在R中使用Bins进行基本概率分析

在R中使用Bins进行基本概率分析
EN

Stack Overflow用户
提问于 2017-08-17 00:01:56
回答 1查看 40关注 0票数 0

我不是一个统计学家,但我确实想使用基本概率来理解我的数据发生了什么。

我已经创建了一种繁琐但非常有用的方法,可以使用直方图查看特定存储箱中的数据,然后将我感兴趣的不同组与整个组进行比较。它向我们展示了我们公司的一些令人难以置信的洞察力,很容易解释图表中发生的事情。话虽如此,但它相当单调乏味,而且这种类型的分析如此有用,以至于其他人已经为它创建了一个函数,这是有道理的。

下面是我的代码。函数中是否已经存在这种类型的分析?我还使用了logi.hist.plot(),它做了类似的事情,但它可能会有问题,我更喜欢使用这种数据的“原始视图”。

代码语言:javascript
复制
library(dplyr)
library(ggplot2)

#Create the data
set.seed(84102)
daba <- data.frame(YES_NO = c(0,0,1,1,1,1,0,0,0,1,0,1,0,1,0,1,0,0,0,1))
daba$UserCount <-     c(23,43,45,65,32,10,34,68,65,75,43,24,37,54,73,29,87,32,21,12)

#Create the bins using hist(), clean up bins and make them integers
hist_breaks <- cut(daba$UserCount, breaks = hist(daba$UserCount, breaks =     20)$breaks)
daba$Breaks <- hist_breaks
daba$Breaks <- sub(".*,","",daba$Breaks)
daba$Breaks <- sub("]","",daba$Breaks)
daba$Breaks[is.na(daba$Breaks)] <- 0
daba$Breaks <- as.integer(daba$Breaks)

#Create two data groups to be compared
daba_NO  <- filter(daba, daba$YES_NO == 0)
daba_YES <- filter(daba, daba$YES_NO == 1)

#Aggregate user count into histogram bins using aggregate()
daba_NOAgg <- aggregate(data = daba_NO, daba_NO$Breaks~daba_NO$UserCount, sum)
daba_YESAgg <- aggregate(data = daba_YES, daba_YES$Breaks~daba_YES$UserCount, sum)

#Rename the columns to clean it up
colnames(daba_NOAgg) <- c("UserCountNo", "Breaks")
colnames(daba_YESAgg) <- c("UserCountYes", "Breaks")

#Merge the two groups back together
daba_SUMAgg <- merge(x = daba_NOAgg, y = daba_YESAgg, by.x = "Breaks", by.y = "Breaks")

#Generate basic probability for Yes group of users
daba_SUMAgg$Probability <-     (daba_SUMAgg$UserCountYes/(daba_SUMAgg$UserCountNo+daba_SUMAgg$UserCountYes))*100

#Graph the data
ggplot(data = daba_SUMAgg)+
  geom_point(alpha = 0.4, mapping = aes(y = daba_SUMAgg$Probability, x =     daba_SUMAgg$Breaks))+
  labs( x = "BINS", y = "PROBABILITY", title = "PROBABILITY ANALYSIS USING     BINS")


daba_SUMAgg
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2017-08-17 01:09:15

当你有dplyrgroup_by时,不需要拆分你的数据集。不需要从要绘制的范围中创建数值。我认为你的流程遗漏了一些东西(参见我上面的评论)。

我建议使用

代码语言:javascript
复制
library(dplyr)
library(ggplot2)

#Create the data
set.seed(84102)
daba <- data.frame(YES_NO = c(0,0,1,1,1,1,0,0,0,1,0,1,0,1,0,1,0,0,0,1))
daba$UserCount <-     c(23,43,45,65,32,10,34,68,65,75,43,24,37,54,73,29,87,32,21,12)

daba %>%
  mutate(Breaks = cut(UserCount, breaks = hist(UserCount, breaks = 20)$breaks, right = F)) %>%  # create your breaks (use right = F other wise you miss the value 10)
  group_by(Breaks, YES_NO) %>%                             # for every range and YES_NO value
  summarise(UserCount = sum(UserCount)) %>%                # get sum of counts
  mutate(Prc = UserCount/sum(UserCount)) %>%               # get the probability / percentage
  ungroup() %>%                                            # forget the grouping
  mutate(YES_NO = factor(YES_NO)) %>%                      # change this to factor for the plot
  ggplot(aes(Breaks, Prc, col=YES_NO, group=YES_NO)) +     # plot
  geom_point() +
  geom_line()

逐步运行管道流程,以查看数据处理的工作方式以及数据集在绘制之前的外观。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/45718267

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档