今天一早上起来又扑到R上面写笨人的matlab课作业（悲），脑壳一整个晕晕……这份作业是我用R语言从CHIP数据库提取数据，做前期数据处理和变量计算，之后给同组的建模的同学，让她用matlab建模。
重编码和变量筛选之后，数据大致是这个样子↑（文件：total2.csv）
在拆分数据上面，遇到了困难。我要计算每个城镇的全口径社会平均工资，计算方法大致同加权平均数：
全口径社会平均工资 = 私营平均工资×（私营人口/全部人口）+非私营平均工资 ×（非私营人口/全部人口）
这就需要分别求每个城镇的“私营平均工资”、“非私营平均工资”、“私营人口”、“非私营人口”、“全部人口”五个变量。因此需要两个分类，一个是城镇（living_site)，一个是私营非私营（work_type2)。平均工资直接用mean，人口即行数nrow。
#先把total2中要用的变量挑出来
total2 <- read.csv("total2.csv")
total2 <- total2[,c(1,9,11,12)]
#按照私营非私营、住址两个标准进行拆分
#install.packages("dplyr")
library(dplyr)
w11_1 <- filter(total2,work_type2 == "私营"& livng_site == "11")
w11_2 <- filter(total2,work_type2 == "非私营"& livng_site == "11")
#计算加权平均数
mean_11 <- (mean(w11_1$wage)*nrow(w11_1)+mean(w11_2$wage)*nrow(w11_2))
/(nrow(w11_1)+nrow(w11_2))R代码中的filter等效于excel中的if函数，和nrow一起用，则相当于“countif(range,"=私营")。
并附上help中对filter函数的代码解释（大伙自己去help里搜一下更清楚咯）：
可知filter函数能够“把符合条件的行保留下来”，有四个参数：data是指导入的数据，可以是数据框、延展的数据框或者惰性数据框，第二个参数是指自己选定的条件，并且数据框的变量不用加$，因为它是被mask后的。第三个参数.by貌似是对tibble类型的数据框使用的，详细可以看dplyr包.by的解释，第四个函数我也没明白，暂且按下不表（如果能仔细看看源代码应该能明白？）。
正文到这里就结束了。
最后，把我最初的想法也附在后面示个众，看看有没有朋友和我一开始的思路一样的，因为一开始以为不能用两个分类标准来分类，所以略麻烦一些，最后的nrow貌似因为分类的缘故，还是值为NULL。如果有大佬出没可以帮我改改（期待脸
total2 <- read.csv("total2.csv")#读取数据
total2 <- total2[,c(1,9,11,12)]
library(Hmisc)
describe(total2)#看看数据长啥样
#法1：先把城镇分出来，再用lapply计算mean，最后加权的时候求个数
n_11 <- subset(total2,livng_site == 11)#把地址是11的从总数据集中提取出来，作为一个子集
mean_11 <- lapply(split(n_11$wage,n_11$work_type2),mean)#以私营、非私营为分类标准计算工资均值
#计算行数的时候nrow结果为NULL，nrow不能带条件
mean_11_t <- mean_11$私营*nrow(n_11$work_type2 == "私营")/nrow(n_11$work_type2)+
mean_11$非私营*nrow(n_11$work_type2 == "非私营")/nrow(n_11$work_type2)一开始按地址分出的子数据集（部分）：
加权平均mean_11_t只得到空数据：
是为砖，以求玉）））
更多推荐
R语言中的countif——dplyr包中的filter函数和nrow
发布评论