根据分数和几个条件将变量分组

Question

我已经尝试了几天，我认为应该很简单，没有运气。希望有人可以帮助我！

我有一个名为“测试”的数据框架，其中具有以下变量：“公司”，“年”，“ firm_size”和“支出”。

我想在一年中将公司分配给大小组，然后在表中显示这些组的平均值，中位数，std.dev和n的支出（例如Stargazer）。因此，第一个规模组（最大的最大公司）应显示每年10％最大的公司的平均值，中值++支出。

规模群体应该是

• 10％的公司，最大的公司
• 最大的公司在25-50
• ％之间，最大的公司
• 在50-75％之间，最大的
• 公司在75-90％之间最大的
• 10％最小的公司

这是我尝试的：

test<-arrange(test, -Firm_size)
test$Variable = 0
test[1:min(5715, nrow(test)),]$Variable <- "Expenditures, 0% size <10%"
test[5715:min(14288, nrow(test)),]$Variable <- "Expenditures, 10% size <25%"
test[14288:min(28577, nrow(test)),]$Variable <- "Expenditures, 25% size <50%"
--> And so on


library(dplyr)
testtest = test%>%
 group_by(Variable)%>%
  dplyr::summarise(
    Mean=mean(Expenditures),
    Median=median(Expenditures),
    Std.dev=sd(Expenditures),
    N=n()
  )

stargazer(testtest, type = "text", title = "Expenditures firms", digits = 1, summary = FALSE)

如前所述，我不知道如何按百分比使用分数/组。因此，我试图根据安排firm_size下降后根据行分组分组。这样做的问题是，我不花一年的时间来考虑我需要的事情，每年要做这件事（共有20个）。
我的目的是制作一个新变量，该变量为每个尺寸组一个名称。例如，每年最大的10％最大的公司应获得一个名称为“支出，0％尺寸＆lt; 10％”的变量，

此外，我在使用Stargazer展示它之前，在我计算不同的措施之前，我将计算出不同的措施。这有效。

！！编辑！！ 嗨，再次，

现在在新数据集上运行代码时，我会收到错误“列表对象要键入double”（但它与以前是相同的变量）。

我指的是突变式键盘是您提供的解决方案中的“ rotate（gs = cut ++”之后

。 “ rel =“ nofollow noreferrer”>输入图像描述在这里

the_code

=“ https://i.sstatic.net/su6yn.png” rel =“ nofollow noreferrer”> the_error

Answer 1

您可以将分位数创建为嵌套变量 (size_groups)，然后使用 cut() 创建组大小 (gs)。然后按Year和gs分组，总结出你想要的指标。

test %>% 
  group_by(Year) %>% 
  mutate(size_groups = list(quantile(Firm_size, probs=c(.1,.25,.5,.75,.9)))) %>% 
  rowwise() %>% 
  mutate(gs = cut(
    Firm_size,c(-Inf, size_groups, Inf),
    labels = c("Lowest 10%","10%-25%","25%-50%","50%-75%","75%-90%","Highest 10%"))) %>% 
  group_by(Year, gs) %>% 
  summarize(across(Expenditures,.fns = list(mean,median,sd,length)), .groups="drop") %>% 
  rename_all(~c("Year", "Group_Size", "Mean_Exp", "Med_Exp", "SD_Exp","N_Firms"))

输出：

# A tibble: 126 x 6
    Year Group_Size  Mean_Exp Med_Exp SD_Exp N_Firms
   <int> <fct>          <dbl>   <dbl>  <dbl>   <int>
 1  2000 Lowest 10%    20885.  21363.  3710.       3
 2  2000 10%-25%       68127.  69497. 19045.       4
 3  2000 25%-50%       42035.  35371. 30335.       6
 4  2000 50%-75%       36089.  29802. 17724.       6
 5  2000 75%-90%       53319.  54914. 19865.       4
 6  2000 Highest 10%   57756.  49941. 34162.       3
 7  2001 Lowest 10%    55945.  47359. 28283.       3
 8  2001 10%-25%       61825.  70067. 21777.       4
 9  2001 25%-50%       65088.  76340. 29960.       6
10  2001 50%-75%       57444.  53495. 32458.       6
# ... with 116 more rows

如果您想要包含年平均值的附加列，您可以从 summarize(across()) 行中删除 .groups="drop" ，然后然后将最后一行添加到管道中：

mutate(YrMean = sum(Mean_Exp*N_Firms/sum(N_Firms)))

请注意，这是按每个 Group_size 中的公司数量正确加权的，因此返回与使用原始数据

test %>% group_by(Year) %>% summarize(mean(Expenditures))

输入数据执行此操作等效的结果：

set.seed(123)
test = data.frame(
  Firm = replicate(2000, sample(letters,1)),
  Year = sample(2000:2020, 2000, replace=T),
  Firm_size= ceiling(runif(2000,2000,5000)),
  Expenditures = runif(2000, 10000,100000)
) %>% group_by(Firm,Year) %>% slice_head(n=1)