首页 文章

使用dplyr创建包含多个分类/因子变量的汇总比例表

提问于
浏览 次
9

我正在尝试创建一个表，用另一个变量汇总几个分类变量（使用频率和比例） . 我想使用dplyr包来做到这一点 .

以前的Stack Overflow讨论部分涉及我正在寻找的内容：Relative frequencies / proportions with dplyr和Calculate relative frequency for a certain group .

使用mtcars数据集，如果我只是想查看 gear by am 类别的比例，这就是输出的样子：

mtcars %>%
    group_by(am, gear) %>%
    summarise (n = n()) %>%
    mutate(freq = n / sum(n))

    #   am gear  n      freq
    # 1  0    3 15 0.7894737
    # 2  0    4  4 0.2105263
    # 3  1    4  8 0.6153846
    # 4  1    5  5 0.3846154

但是，我实际上不仅要查看 gears by am ，还要查看 carb by am 和 cyl by am ，分别在同一个表中 . 如果我将代码修改为：

mtcars %>%
    group_by (am, gear, carb, cyl) %>%
    summarise (n = n()) %>%
    mutate(freq = n / sum(n))

我得到了 am ， gear ， carb 和 cyl 的每个组合的频率 . 这不是我想要的 . 有没有办法用dplyr做到这一点？

EDIT

此外，如果有人知道生成我想要的表的方法，但是 am 的类别作为列（如经典的2x2表格式），这将是一个额外的好处 . 这是我所指的一个例子 . 它来自我之前的一篇出版物 . 我想在R中生成这个表，这样我就可以使用RMarkdown将它直接输出到word文档：

enter image description here

r dplyr

2 回答

  • 5

    使用tidyr / dplyr组合，您可以这样做：

    library(tidyr)
library(dplyr)

mtcars %>%
  gather(variable, value, gear, carb, cyl) %>%
  group_by(am, variable, value) %>%
  summarise (n = n()) %>%
  mutate(freq = n / sum(n))
    回复于
  • 8

    解决此问题的一种方法是将数据转换为长（呃）格式 . 然后，您可以使用相同的代码来计算您想要的结果，并使用一个额外的group_by：

    library(reshape2)
library(dplyr)

m_mtcars <- melt(mtcars,measure.vars=c("gear","carb","cyl"))

res <- m_mtcars %>%
  group_by(am, variable, value) %>%
  summarise (n = n()) %>%
  mutate(freq = n / sum(n))

    在此基础上，可以使用更多重新整形和一些字符串格式化来获得所需的输出

    #make an 'export' variable
res$export <- with(res, sprintf("%i (%.1f%%)", n, freq*100))

#reshape again
output <- dcast(variable+value~am, value.var="export", data=res, fill="missing") #use drop=F to prevent silent missings 
#'silent missings'
output$variable <- as.character(output$variable)
#make 'empty lines' 
empties <- data.frame(variable=unique(output$variable), stringsAsFactors=F)
empties[,colnames(output)[-1]] <- ""

#bind them together
output2 <- rbind(empties,output)
output2 <- output2[order(output2$variable,output2$value),]

#optional: 'remove' variable if value present

output2$variable[output2$value!=""] <- ""

    这导致：

    variable value          0         1
2      carb                           
7               1  3 (15.8%) 4 (30.8%)
8               2  6 (31.6%) 4 (30.8%)
9               3  3 (15.8%)   missing
10              4  7 (36.8%) 3 (23.1%)
11              6    missing  1 (7.7%)
12              8    missing  1 (7.7%)
3       cyl                           
13              4  3 (15.8%) 8 (61.5%)
14              6  4 (21.1%) 3 (23.1%)
15              8 12 (63.2%) 2 (15.4%)
1      gear                           
4               3 15 (78.9%)   missing
5               4  4 (21.1%) 8 (61.5%)
6               5    missing 5 (38.5%)
    回复于

相关问题