r - 如何在R中使用频率表获得中位数?
问题描述
问题
我已经改变了我的问题的表述,因为似乎缺乏明确性。
所以,我们有数千家医院。他们的患者年龄在 0 到 100 岁之间。对于每个年龄,他们都有一定数量的患者,例如医院 1 有 10 名 1 岁的患者,12 名两岁的患者,0 名 100 岁的患者等。
上述数据集是一个小型简化示例,我的实际数据集包含数千家医院和数百万患者的数据。
寻求的结果
我想知道每家医院的患者年龄中位数。
到目前为止的解决方案
展开表格,使每个患者的年龄有一个单独的行,然后取中位数。这将导致我的表有数亿行,所以是不可取的。
library(dplyr)
## table
hospital <- c(rep(1:3, each = 10))
patient_age <- c(rep(seq(0, 90, by = 10), 3))
number_patients <- round(runif(30, 0, 100),0)
df <- bind_cols(hospital, patient_age, number_patients)
colnames(df) <- c("hospital", "patient_age", "number_patients")
## my impractical solution
df1 <- filter(df, hospital == 1)
df1a <- rep(df1$patient_age, df1$number_patients)
median(df1a)
## there's no way I can repeat this for each hospital (there are 1000s)
解决方案
编辑:
以下是按医院计算平均患者年龄的方法:
df %>%
group_by(hospital) %>%
summarise(
mean_age = sum(patient_age*number_patients)/sum(number_patients)
)
或者简单地说:
df %>%
group_by(hospital) %>%
summarise(
mean_age = mean(rep(patient_age,number_patients))
)
这是中位数:
df %>%
group_by(hospital) %>%
summarise(
median_age = sort(rep(patient_age,number_patients))[length(rep(patient_age,number_patients))/2]
)
在这里,我们sort(rep(patient_age,number_patients))
对其中间值进行子集化,即length(rep(patient_age,number_patients))/2
编辑 2:
或者简单地说:
df %>%
group_by(hospital) %>%
summarise(
median_age = median(rep(patient_age,number_patients))
)
推荐阅读
- angular - 角度中的选定选项
- python - shell脚本Python中的输出值错误
- c# - 防止在 ASP.NET 中的同一域中共享 cookie
- java - 在 onBackPressed 之后 Intent 没有多余的
- mongodb - MongoDB 是否将所有索引加载到内存中?
- cron - 想要每 5 分钟运行一次 cron,但 cron 中的代码应该在 4m 30s 处执行
- mysql - 查找MySql中出现数量最少的记录
- javascript - 无法读取未定义的属性“totalCalls”
- r - R:lubridate::fast_strptime 从 base::strptime 返回不同的值
- c# - 执行后台任务时 WPF UI 阻塞(硒自动化)