如何按年份区间分组并基于PctAgreeUS子集化unvoting.csv数据？

R语言方案 #

• 先加载数据：

  # 读取csv文件
  df <- read.csv("unvoting.csv")
  

• 创建年份区间的新向量：
  用cut()函数可以快速把年份按10年区间分组，假设你的年份列叫Year：

  # 定义年份区间和对应标签
  df$year_group <- cut(df$Year,
                       breaks = seq(1950, 2020, by = 10), # 按10年间隔设置分界点，可根据数据调整
                       labels = c("50-59", "60-69", "70-79", "80-89", "90-99", "00-09", "10-19"),
                       include.lowest = TRUE)
  

  这里include.lowest=TRUE是让第一个区间包含起始年份（比如1950）。如果你的年份范围不同，调整breaks里的数值就行。
• 分组分析PctAgreeUS：
  用基础R的tapply()可以直接计算每个区间的均值：

  pct_by_group <- tapply(df$PctAgreeUS, df$year_group, mean, na.rm = TRUE)
  

  用dplyr包会更直观：

  library(dplyr)
  group_summary <- df %>%
    group_by(year_group) %>%
    summarize(avg_pct = mean(PctAgreeUS, na.rm = TRUE),
              min_pct = min(PctAgreeUS, na.rm = TRUE),
              max_pct = max(PctAgreeUS, na.rm = TRUE))
  

• 可视化变化（可选）：

  library(ggplot2)
  ggplot(group_summary, aes(x = year_group, y = avg_pct, group = 1)) +
    geom_line() +
    geom_point() +
    labs(x = "年份区间", y = "PctAgreeUS均值")
  

Python语言方案 #

• 加载数据：

  import pandas as pd
  df = pd.read_csv("unvoting.csv")
  

• 创建年份区间列：
  用pd.cut()实现分组：

  # 设置区间和标签
  bins = range(1950, 2021, 10)
  labels = ["50-59", "60-69", "70-79", "80-89", "90-99", "00-09", "10-19"]
  df["year_group"] = pd.cut(df["Year"], bins=bins, labels=labels, include_lowest=True)
  

• 分组汇总PctAgreeUS：

  # 计算每个区间的均值、最值等
  group_summary = df.groupby("year_group")["PctAgreeUS"].agg(["mean", "min", "max"]).reset_index()
  

• 可视化变化（可选）：

  import matplotlib.pyplot as plt
  plt.plot(group_summary["year_group"], group_summary["mean"], marker='o')
  plt.xlabel("年份区间")
  plt.ylabel("PctAgreeUS均值")
  plt.title("PctAgreeUS随年份区间的变化")
  plt.show()
  

内容的提问来源于stack exchange，提问作者Jacob