r - 如何在 R 中排除具有相同 ID 的调查中的用户进行计算？

Question

我的 data.frame 包含调查结果，如下所示：

日期	ID	年龄	性别	...
01-02	99	20	1	...
01-20	52	34	2	...
01-23	47	20	1	...
01-02	100	56	1	...
02-05	99	20	1	...
02-17	78	18	2	...
02-28	47	20	1	...

用户每月被允许参加，最多10次参加调查，所以我有用户的个人数据出现在表中的频率更高。

现在我的问题是：如何获得参加调查的所有用户的平均值（例如年龄）？如果我只是说它的意思（df$age），显然那些不止一次参加的人将被过多地代表。

我怎样才能得到一个计算参加过一次、两次、...十次的用户的列表？例如：

参与次数	用户数
1	2,047
2	23,127
3	50,000

我还没有找到解决方案，所以我很感激任何帮助。提前致谢！

标签： r

Answer 1

要获得参与者的平均年龄，您可以只保留唯一id的数据并计算平均值。

dplyr你可以用 and 来做到这distinct一点summarise。

library(dplyr)

df %>%
  distinct(id, .keep_all = TRUE) %>%
  summarise(avg_age = mean(age))

#  avg_age
#1    29.6

要计算个人回复调查的次数，您可以使用count

df %>% count(id, name = 'count')

#   id count
#1  47     2
#2  52     1
#3  78     1
#4  99     2
#5 100     1

数据

如果您以可重现的格式提供数据，则更容易提供帮助

df <- structure(list(date = c("01-02", "01-20", "01-23", "01-02", "02-05", 
"02-17", "02-28"), id = c(99L, 52L, 47L, 100L, 99L, 78L, 47L), 
    age = c(20L, 34L, 20L, 56L, 20L, 18L, 20L), gender = c(1L, 
    2L, 1L, 1L, 1L, 2L, 1L)), row.names = c(NA, -7L), class = "data.frame")