<\/p>\n
Sie k\u00f6nnen die folgenden Methoden verwenden, um eine kumulative Summe pro Gruppe in R zu berechnen:<\/span><\/p>\n Methode 1: Verwenden Sie Base R<\/strong><\/span><\/p>\n Methode 2: dplyr verwenden<\/strong><\/span><\/p>\n Methode 3: Verwenden Sie data.table<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Datenrahmen in R verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie die R-Datenbankfunktion ave()<\/strong> verwendet wird, um die kumulative Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Filiale,<\/strong> zu berechnen:<\/span><\/p>\n Die neue Spalte \u201e cum_sales\u201c<\/strong> zeigt die kumulierte Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Filiale,<\/strong> an.<\/span><\/p>\n Der folgende Code zeigt, wie verschiedene Funktionen aus dem dplyr-Paket in R verwendet werden, um die kumulative Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Gesch\u00e4ft,<\/strong> zu berechnen:<\/span><\/p>\n Die neue Spalte \u201e cum_sales\u201c<\/strong> zeigt die kumulierte Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Filiale,<\/strong> an.<\/span><\/p>\n Der folgende Code zeigt, wie verschiedene Funktionen aus dem data.table-Paket in R verwendet werden, um die kumulative Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Filiale,<\/strong> zu berechnen:<\/span><\/p>\n Die neue Spalte \u201e cum_sales\u201c<\/strong> zeigt die kumulierte Summe der Verk\u00e4ufe<\/strong> , gruppiert nach Filiale,<\/strong> an.<\/span><\/p>\n Hinweis<\/strong> : Alle drei Methoden f\u00fchren zum gleichen Ergebnis. Allerdings sind die Methoden dplyr und data.table tendenziell schneller, wenn mit extrem gro\u00dfen Datenrahmen gearbeitet wird.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere g\u00e4ngige Berechnungen in R durchf\u00fchren:<\/span><\/p>\n So berechnen Sie die Summe nach Gruppe in R<\/a> Sie k\u00f6nnen die folgenden Methoden verwenden, um eine kumulative Summe pro Gruppe in R zu berechnen: Methode 1: Verwenden Sie Base R df$cum_sum <- ave(df$values_var, df$group_var, FUN=cumsum) Methode 2: dplyr verwenden library (dplyr) df %>% group_by(group_var) %>% mutate(cum_sum = cumsum(values_var)) Methode 3: Verwenden Sie data.table library (data.table) setDT(df)[, cum_sum := cumsum(values_var), group_var] Die folgenden Beispiele […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df$cum_sum <- ave(df$values_var, df$group_var, FUN=cumsum)\n<\/strong><\/pre>\n
library<\/span> (dplyr)\n\ndf %>% group_by(group_var) %>% mutate(cum_sum = cumsum(values_var))\n<\/strong><\/pre>\n library<\/span> (data.table)\n\nsetDT(df)[, cum_sum := cumsum(values_var), group_var] \n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (store=rep(c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each= 4<\/span> ),\n sales=c(3, 4, 4, 2, 5, 8, 9, 7, 6, 8, 3, 2))\n\n#view data frame\n<\/span>df\n\n blind sales\n1 to 3\n2 to 4\n3 to 4\n4 to 2\n5 B 5\n6 B 8\n7 B 9\n8 B 7\n9 C 6\n10 C 8\n11 C 3\n12 C 2\n<\/strong><\/pre>\n Beispiel 1: Berechnen Sie die kumulative Summe pro Gruppe mithilfe der R-Basis<\/strong><\/span><\/h2>\n
#add column to show cumulative sales by store\n<\/span>df$cum_sales <- ave(df$sales, df$store, FUN=cumsum)\n\n#view updated data frame\n<\/span>df\n\n store sales cum_sales\n1 to 3 3\n2 to 4 7\n3 to 4 11\n4 to 2 13\n5 B 5 5\n6 B 8 13\n7 B 9 22\n8 B 7 29\n9 C 6 6\n10 C 8 14\n11 C 3 17\n12 C 2 19<\/strong><\/pre>\n Beispiel 2: Berechnen Sie die kumulative Summe pro Gruppe mit dplyr<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#add column to show cumulative sales by store\n<\/span>df %>% group_by(store) %>% mutate(cum_sales = cumsum(sales))\n\n#view updated data frame\n<\/span>df\n\n# A tibble: 12 x 3\n# Groups: store [3]\n store sales cum_sales\n \n 1 to 3 3\n 2 to 4 7\n 3 to 4 11\n 4 to 2 13\n 5 B 5 5\n 6 B 8 13\n 7 B 9 22\n 8 B 7 29\n 9 C 6 6\n10 C 8 14\n11 C 3 17\n12 C 2 19\n<\/strong><\/pre>\n Beispiel 3: Berechnen Sie die kumulative Summe nach Gruppe mithilfe von data.table<\/strong><\/span><\/h2>\n
library<\/span> (data.table)\n\n#add column to show cumulative sales by store\n<\/span>setDT(df)[, cum_sales := cumsum(sales), store] \n\n#view updated data frame\n<\/span>df\n\n store sales cum_sales\n 1: A 3 3\n 2: A 4 7\n 3: A 4 11\n 4: A 2 13\n 5: B 5 5\n 6: B 8 13\n 7: B 9 22\n 8: B 7 29\n 9: C 6 6\n10: C 8 14\n11: C 3 17\n12: C 2 19<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So berechnen Sie den Mittelwert pro Gruppe in R<\/a>
So berechnen Sie die Standardabweichung nach Gruppe in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"