OA <- aggregate(House.Points@data$Price, by = list(House.Points@data$OA11CD), mean)

时间: 2024-03-07 12:51:31 浏览: 29
这也是一个R语言的命令,它将House.Points@data$Price按照House.Points@data$OA11CD中的不同取值进行分组,并对每组计算其均值。最后,将每组的均值和对应的组别储存在一个名为OA的数据框中。 具体地,这个命令用到了aggregate函数,其中House.Points@data$Price是待分组的数据,by = list(House.Points@data$OA11CD)指定了分组变量,mean则表示计算每组的均值。命令执行完后,可以通过OA来查看分组结果。
相关问题

meanweek<-aggregate(. ~ cut(date, "1 week"), data, mean)

这行代码的作用是将数据框 `data` 中的各个变量按照 `date` 列的每周时间间隔进行分组,并计算每组中各个变量的均值。其中 `cut(date, "1 week")` 表示将 `date` 列按照每周时间间隔进行切割,`. ~` 表示使用所有其他变量作为分组条件。最终结果将会是一个新的数据框,其中包含每周的平均值。

修改r语言month变为NA的错误:#install.packages("tidyverse") #install.packages("ggplot2") library(scales) library(ggplot2) library(dplyr) library(tidyverse) setwd("C:/Users/25341/Desktop") data1 <- read.csv("covid19.csv") str(data1) year<-strsplit(data1$Date,split = "-") year1<-do.call(rbind, year)[,1] data1$year1<-year1 data1<- mutate(data1, year =substr(year1,1,4)) result1<-aggregate(data1$New_cases, data1[,c("year","Country","Country_code")],sum) result2<-aggregate(data1$New_deaths, data1[,c("year","Country","Country_code")],sum) result<-cbind(result1,result2$x) filter(data1,data1$Country=="China" | data1$Country=="American Samoa" | data1$Country=="British Virgin Islands" | data1$Country=="India" | data1$Country=="Japan" ) filter(result,result$Country=="China" | result$Country=="American Samoa" | result$Country=="British Virgin Islands" | result$Country=="India" | result$Country=="Japan" ) data2<-subset(data1,data1$Country=="China" | data1$Country=="American Samoa" | data1$Country=="British Virgin Islands" | data1$Country=="India" | data1$Country=="Japan" ) df<-filter(result,result$Country=="China" | result$Country=="American Samoa" | result$Country=="British Virgin Islands" | result$Country=="India" | result$Country=="Japan" ) names(df)<-c("year","Country", "Country_code","newcases" ,"newdeaths") df$newcases=as.numeric(df$newcases) str(df) p1.1<-ggplot(df,aes(x=year,y=newcases,group = Country,color=Country,shape=Country,linetype=Country))+ geom_line(size=1)+ geom_point(size=2) p1.1 p1.2<-ggplot(df,aes(x=year,y=newdeaths,group = Country,color=Country,shape=Country,linetype=Country))+ geom_line(size=1)+ geom_point(size=2) p1.2 month<-strsplit(data1$Date,split = "-") month1<-do.call(rbind,month)[,1] data1$month1<-month1 data2<- mutate(data1, month =substr(year1,5,7)) result1.1<-aggregate(data2$New_cases, data2[,c("year","month","Country","Country_code")],sum) result1.1 result2.1<-aggregate(data2$New_deaths, data2[,c("year","month","Country","Country_code")],sum) result2.1 result11<-cbind(result1.1,result2.1$x) df1<-filter(result11,result11$Country=="China" | result11$Country=="American Samoa" | result11$Country=="British Virgin Islands" | result11$Country=="India" | result11$Country=="Japan" ) names(df1)<-c("year","month","Country", "Country_code","newcases" ,"newdeaths") df1$month <- factor(df1$month ,levels = c("/1/", "/2/", "/3/", "/4/","/5/", "/6/", "/7/", "/8/","/9/","/10", "/11", "/12")) df1

根据你提供的代码,修改R语言month变为NA的错误的方法如下: 1. 将month1中的月份提取出来,而不是年份: 将以下代码: ``` month1<-do.call(rbind,month)[,1] ``` 修改为: ``` month1<-do.call(rbind,month)[,2] ``` 2. 将month1中的月份格式转换为数字: 在以下代码后面添加一行: ``` month1<-as.numeric(month1) ``` 3. 找到month1中缺失值的位置并将其替换成NA: 在以下代码后面添加两行: ``` missing_month<-which(month1=="") month1[missing_month]<-NA ``` 4. 修改df1中month的列名为month1: 将以下代码: ``` names(df1)<-c("year","month","Country", "Country_code","newcases" ,"newdeaths") ``` 修改为: ``` names(df1)<-c("year","month1","Country", "Country_code","newcases" ,"newdeaths") ``` 5. 最后,重新运行代码并确认month1中没有缺失值。

相关推荐

帮我修改以下代码,使他们可以正确运行:library(ggplot2) library(gridExtra) ggplot(df, aes(x = x, y = y, color = z)) + geom_point() p1 <- ggplot(subset(df, z == 'a'), aes(x = x, y = y)) + geom_point(color = 'black') p2 <- ggplot(subset(df, z == 'b'), aes(x = x, y = y)) + geom_point(color = 'black') p3 <- ggplot(subset(df, z == 'c'), aes(x = x, y = y)) + geom_point(color = 'black') grid.arrange(p1, p2, p3, ncol = 3) centroids <- aggregate(df[, c('x', 'y')], by = list(df$z), FUN = mean) names(centroids)[1] <- 'z' p1 <- ggplot(df, aes(x = x, y = y)) + geom_point(aes(color = z)) + geom_point(data = subset(centroids, z == 'a'), aes(x = x, y = y, color = z), size = 4) p2 <- ggplot(df, aes(x = x, y = y)) + geom_point(aes(color = z)) + geom_point(data = subset(centroids, z == 'b'), aes(x = x, y = y, color = z), size = 4) p3 <- ggplot(df, aes(x = x, y = y)) + geom_point(aes(color = z)) + geom_point(data = subset(centroids, z == 'c'), aes(x = x, y = y, color = z), size = 4) grid.arrange(p1, p2, p3, ncol = 3) p1 <- ggplot(df, aes(x = x, y = y)) + geom_point(data = subset(df, z == 'a'), aes(color = z)) + geom_point(data = subset(df, z != 'a'), color = 'grey70') p2 <- ggplot(df, aes(x = x, y = y)) + geom_point(data = subset(df, z == 'b'), aes(color = z)) + geom_point(data = subset(df, z != 'b'), color = 'grey70') p3 <- ggplot(df, aes(x = x, y = y)) + geom_point(data = subset(df, z == 'c'), aes(color = z)) + geom_point(data = subset(df, z != 'c'), color = 'grey70') grid.arrange(p1, p2, p3, ncol = 3)

最新推荐

recommend-type

USI-T_Data_Sheet_REV1.03-2015-0626.pdf

The trend towards higher resolutions, higher fame rates, and higher color depth in flat panel displays, particularly LCD panels, is pushing ... The aggregate bandwidth requirement for state-of-the art d
recommend-type

大数据之flink教程-TableAPI和SQL.pdf

第一章 整体介绍 2 1.1 什么是 Table API 和 Flink SQL 2 1.2 需要引入的依赖 2 1.3 两种 planner(old & blink)的区别 4 第二章 API 调用 5 ...5.2.5 表聚合函数(Table Aggregate Functions) 47
recommend-type

JAVA图书馆书库管理系统设计(论文+源代码).zip

JAVA图书馆书库管理系统设计(论文+源代码)
recommend-type

BSC关键绩效财务与客户指标详解

BSC(Balanced Scorecard,平衡计分卡)是一种战略绩效管理系统,它将企业的绩效评估从传统的财务维度扩展到非财务领域,以提供更全面、深入的业绩衡量。在提供的文档中,BSC绩效考核指标主要分为两大类:财务类和客户类。 1. 财务类指标: - 部门费用的实际与预算比较:如项目研究开发费用、课题费用、招聘费用、培训费用和新产品研发费用,均通过实际支出与计划预算的百分比来衡量,这反映了部门在成本控制上的效率。 - 经营利润指标:如承保利润、赔付率和理赔统计,这些涉及保险公司的核心盈利能力和风险管理水平。 - 人力成本和保费收益:如人力成本与计划的比例,以及标准保费、附加佣金、续期推动费用等与预算的对比,评估业务运营和盈利能力。 - 财务效率:包括管理费用、销售费用和投资回报率,如净投资收益率、销售目标达成率等,反映公司的财务健康状况和经营效率。 2. 客户类指标: - 客户满意度:通过包装水平客户满意度调研,了解产品和服务的质量和客户体验。 - 市场表现:通过市场销售月报和市场份额,衡量公司在市场中的竞争地位和销售业绩。 - 服务指标:如新契约标保完成度、续保率和出租率,体现客户服务质量和客户忠诚度。 - 品牌和市场知名度:通过问卷调查、公众媒体反馈和总公司级评价来评估品牌影响力和市场认知度。 BSC绩效考核指标旨在确保企业的战略目标与财务和非财务目标的平衡,通过量化这些关键指标,帮助管理层做出决策,优化资源配置,并驱动组织的整体业绩提升。同时,这份指标汇总文档强调了财务稳健性和客户满意度的重要性,体现了现代企业对多维度绩效管理的重视。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】俄罗斯方块:实现经典的俄罗斯方块游戏,学习方块生成和行消除逻辑。

![【实战演练】俄罗斯方块:实现经典的俄罗斯方块游戏,学习方块生成和行消除逻辑。](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/70a49cc62dcc46a491b9f63542110765~tplv-k3u1fbpfcp-zoom-in-crop-mark:1512:0:0:0.awebp) # 1. 俄罗斯方块游戏概述** 俄罗斯方块是一款经典的益智游戏,由阿列克谢·帕基特诺夫于1984年发明。游戏目标是通过控制不断下落的方块,排列成水平线,消除它们并获得分数。俄罗斯方块风靡全球,成为有史以来最受欢迎的视频游戏之一。 # 2.
recommend-type

卷积神经网络实现手势识别程序

卷积神经网络(Convolutional Neural Network, CNN)在手势识别中是一种非常有效的机器学习模型。CNN特别适用于处理图像数据,因为它能够自动提取和学习局部特征,这对于像手势这样的空间模式识别非常重要。以下是使用CNN实现手势识别的基本步骤: 1. **输入数据准备**:首先,你需要收集或获取一组带有标签的手势图像,作为训练和测试数据集。 2. **数据预处理**:对图像进行标准化、裁剪、大小调整等操作,以便于网络输入。 3. **卷积层(Convolutional Layer)**:这是CNN的核心部分,通过一系列可学习的滤波器(卷积核)对输入图像进行卷积,以
recommend-type

绘制企业战略地图:从财务到客户价值的六步法

"BSC资料.pdf" 战略地图是一种战略管理工具,它帮助企业将战略目标可视化,确保所有部门和员工的工作都与公司的整体战略方向保持一致。战略地图的核心内容包括四个相互关联的视角:财务、客户、内部流程和学习与成长。 1. **财务视角**:这是战略地图的最终目标,通常表现为股东价值的提升。例如,股东期望五年后的销售收入达到五亿元,而目前只有一亿元,那么四亿元的差距就是企业的总体目标。 2. **客户视角**:为了实现财务目标,需要明确客户价值主张。企业可以通过提供最低总成本、产品创新、全面解决方案或系统锁定等方式吸引和保留客户,以实现销售额的增长。 3. **内部流程视角**:确定关键流程以支持客户价值主张和财务目标的实现。主要流程可能包括运营管理、客户管理、创新和社会责任等,每个流程都需要有明确的短期、中期和长期目标。 4. **学习与成长视角**:评估和提升企业的人力资本、信息资本和组织资本,确保这些无形资产能够支持内部流程的优化和战略目标的达成。 绘制战略地图的六个步骤: 1. **确定股东价值差距**:识别与股东期望之间的差距。 2. **调整客户价值主张**:分析客户并调整策略以满足他们的需求。 3. **设定价值提升时间表**:规划各阶段的目标以逐步缩小差距。 4. **确定战略主题**:识别关键内部流程并设定目标。 5. **提升战略准备度**:评估并提升无形资产的战略准备度。 6. **制定行动方案**:根据战略地图制定具体行动计划,分配资源和预算。 战略地图的有效性主要取决于两个要素: 1. **KPI的数量及分布比例**:一个有效的战略地图通常包含20个左右的指标,且在四个视角之间有均衡的分布,如财务20%,客户20%,内部流程40%。 2. **KPI的性质比例**:指标应涵盖财务、客户、内部流程和学习与成长等各个方面,以全面反映组织的绩效。 战略地图不仅帮助管理层清晰传达战略意图,也使员工能更好地理解自己的工作如何对公司整体目标产生贡献,从而提高执行力和组织协同性。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

【实战演练】井字棋游戏:开发井字棋游戏,重点在于AI对手的实现。

![【实战演练】井字棋游戏:开发井字棋游戏,重点在于AI对手的实现。](https://img-blog.csdnimg.cn/3d6666081a144d04ba37e95dca25dbd8.png) # 2.1 井字棋游戏规则 井字棋游戏是一个两人对弈的游戏,在3x3的棋盘上进行。玩家轮流在空位上放置自己的棋子(通常为“X”或“O”),目标是让自己的棋子连成一条直线(水平、垂直或对角线)。如果某位玩家率先完成这一目标,则该玩家获胜。 游戏开始时,棋盘上所有位置都为空。玩家轮流放置自己的棋子,直到出现以下情况之一: * 有玩家连成一条直线,获胜。 * 棋盘上所有位置都被占满,平局。