我的累积百分比函数需要R帮助

Question

最近的一个更改(无论是在R还是其他地方(使我以前工作的函数停止了工作。该函数设计用于生成两列，告诉我百分位数是多少(请参阅df2$CumPercent，用于调查中的给定分数(请参见df2$V1(。因此，我对逻辑的手动版本进行了一些更改，该版本运行良好。当我在函数中应用相同的逻辑时，它会抛出一个错误，说明找不到Var1变量。你知道这里可能出了什么问题吗？

df5 <- structure(list(MyVariable = c(4.66666666666667, 2.16666666666667, 
5.66666666666667, 4.5, 5.16666666666667, 4.5, 1, 3.83333333333333, 
2, 4, 2.33333333333333, 5.5, 5.66666666666667, 2.66666666666667, 
5.66666666666667, 2.83333333333333, 4.33333333333333, 5.33333333333333, 
5.66666666666667, 4.33333333333333, 2.33333333333333, 4.5, 3.66666666666667, 
3.83333333333333, 2, 5, 2.83333333333333, 3, 4.83333333333333, 
5.16666666666667, 3, 5.16666666666667, 1.33333333333333, 5.16666666666667, 
2.16666666666667, 4, 3.66666666666667, 4, 3.5, 4.5, 3, 5.16666666666667, 
4.83333333333333, 4.66666666666667, 3.16666666666667, 4.16666666666667, 
2.83333333333333, 4.83333333333333, 2.66666666666667, 4.16666666666667, 
5.16666666666667, 6.16666666666667, 1.83333333333333, 3.33333333333333, 
4.5, 4.83333333333333, 5.5, 4.33333333333333, 4.33333333333333, 
4.83333333333333, 2.33333333333333, 4.5, 4.16666666666667, 5.5, 
4.5, 4.83333333333333, 5, 1, 4.5, 5, 2.33333333333333, 4, 3.5, 
3.33333333333333, 4.66666666666667, 1.5, 5.83333333333333, 4.33333333333333, 
5.16666666666667, 3.33333333333333, 4.66666666666667, 6, 4.33333333333333, 
2.16666666666667, 4.16666666666667, 5.83333333333333, 3.66666666666667, 
5, 5.83333333333333, 4.33333333333333, 4.33333333333333, 4.66666666666667, 
4.83333333333333, 5.16666666666667, 5, 3.5, 5, 5.5, 4.66666666666667, 
5.33333333333333, 5.5, 3.66666666666667, 1.83333333333333, 2.33333333333333, 
5, 5.83333333333333, 4.66666666666667, 4.83333333333333, 5.83333333333333, 
3.66666666666667, 3.33333333333333, 2.5, 5.33333333333333, 4.16666666666667, 
4.16666666666667, 3.5, 3, 5.16666666666667, 3.66666666666667, 
5.83333333333333, 4, 5.33333333333333, 6, 3.16666666666667, 2.33333333333333, 
4.66666666666667, 5.66666666666667, 3.5, 4.66666666666667, 1.33333333333333, 
4, 4.33333333333333, 3.5, 3.16666666666667, 5.16666666666667, 
4.66666666666667, 2.83333333333333, 4, 2.5, 2.83333333333333, 
4.83333333333333, 5.33333333333333, 4.5, 3.83333333333333, 4)), row.names = c(NA, 
                                             -145L), class = "data.frame")
#Manual version of the cumulative percent logic (which works as intended)
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(df5$MyVariable)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
#Now attempt to convert into a function.
cpave1 <- function(x) {
PercentilesRaw <- data.frame(seq(from=0, to=7, by=.01)) #Create every increment of percentile as vector
colnames(PercentilesRaw)[colnames(PercentilesRaw)=="seq.from...0..to...7..by...0.01."] <- "V1" #Rename percentile column name
df <- data.frame(table(x)) #Count the number of original values in the column
df[,"Var1"] <- as.numeric(as.character(df[,"Var1"])) #The table function above produces factor levels so need to convert to numeric
V1 <- df[,"Var1"] #Make a vector from the Var1 column
Frequency <- df[,"Freq"] #Make a vector from the Freq column
CumSum <- cumsum(df[,"Freq"]) #Calculate a cumulative sum from the Freq column
CumPercent <- CumSum/sum(df[,"Freq"])*100 #Calculate the cumulative percentage vector
CumPercent <- round(CumPercent,2) #Round the cumulative percentage vector to 2 dp
output <- cbind(round(V1,2), CumPercent) #Map the cumulative percent results to the V1 vector
df2 <- data.frame(output) #Convert the two columns into a df
}
#Apply function to the MyVariable column.
MyVariable <- cpave1(df5$MyVariable)

Answer 1

由于错误消息表明数据中没有"Var1"列。该列称为x。这是一个较短的更新版本的函数，它返回相同的输出。

cpave1 <- function(x) {
df <- type.convert(data.frame(table(x)), as.is = TRUE)
data.frame(V1 = round(df$x ,2), 
CumPercent = round(cumsum(df$Freq)/sum(df$Freq)*100, 2))
}
cpave1(df5$MyVariable)
#     V1 CumPercent
#1  1.00       1.38
#2  1.33       2.76
#3  1.50       3.45
#4  1.83       4.83
#5  2.00       6.21
#6  2.17       8.28
#7  2.33      12.41
#8  2.50      13.79
#...

Answer 2

我认为data.table是最好的方法：不制作函数的解决方案很简单：

library(data.table)
df5 <- data.table(df5)
df5[, .N, MyVariable][order(MyVariable)][, .(MyVariable, CumPercent = round(cumsum(N) / sum(N), 4) * 100)] 

或者如果你想做一个函数：

library(data.table)
df5 <- data.table(df5)
cpave2 <- function(data, colname) {
data[, .N, get(colname)][order(get)][, .(Values = get,
CumPercent = round(cumsum(N) / sum(N), 4) * 100)]

}
cpave2(df5, 'MyVariable')