Question

我正在处理调查数据，其中包含针对多个问题（y1，y2，y3，...）的整数值响应以及分配给每个受访者的加权计数，如下所示：

foo <- data.frame(wcount = c(10, 1, 2, 3),        # weighted counts
                  y1 = sample(1:5, 4, replace=T), # numeric responses
                  y2 = sample(1:5, 4, replace=T), #
                  y3 = sample(1:5, 4, replace=T)) #
>foo
  wcount y1 y2 y3
1     10  5  5  5
2      1  1  4  4
3      2  1  2  5
4      3  2  5  3

我希望将其转换为加权表的合并数据框版本，第一列表示响应值，接下来的3列表示加权计数。这可以使用以下列明确地完成：

library(Hmisc)
ty1 <- wtd.table(foo$y1, foo$wcount)
ty2 <- wtd.table(foo$y2, foo$wcount)
ty3 <- wtd.table(foo$y3, foo$wcount)

bar <- merge(ty1, ty2, all=T, by="x")
bar <- merge(bar, ty3, all=T, by="x")

names(bar) <- c("x", "ty1", "ty2", "ty3")
bar[is.na(bar)]<-0
>bar
  x ty1 ty2 ty3
1 1   3   0   0
2 2   3   2   0
3 3   0   0   3
4 4   0   1   1
5 5  10  13  12

我怀疑有一种方法可以使用plyr和numcolwise或ddply自动执行此操作。例如，以下内容非常接近，但我不确定完成这项工作还需要什么：

library(plyr)
bar2 <- numcolwise(wtd.table)(foo[c("y1","y2","y3")], foo$wcount)
>bar2
        y1       y2       y3
1  1, 2, 5  2, 4, 5  3, 4, 5
2 3, 3, 10 2, 1, 13 3, 1, 12

有什么想法吗？

Answer 1

不是 plyr 答案，但这让我感到震惊，因为我可以使用 reshape2 包中的功能直接解决这个问题。

首先，melt数据集，创建一个可以命名为x的响应值列（y1中的唯一值 - y3）。

library(reshape2)
dat2 = melt(foo, id.var = "wcount", value.name = "x")

现在可以使用dcast作为聚合函数使用sum强制转换回来。这会将y1 - y3作为wcount的每个值x的总和作为列。

# Cast back wide using the values within y1-y3 as response values
    # and filling with the sum of "wcount"
dcast(dat2, x ~ variable, value.var = "wcount", fun = sum)

给予

  x y1 y2 y3
1 1  3  0  0
2 2  3  2  0
3 3  0  0  3
4 4  0  1  1
5 5 10 13 12

Answer 2

您正在描述使用复制权重的调查数据集。请参阅http://asdfree.com/了解许多示例，但对于recs，请执行以下操作：

library(survey)

x <- read.csv( "http://www.eia.gov/consumption/residential/data/2009/csv/recs2009_public.csv" )
rw <- read.csv( "http://www.eia.gov/consumption/residential/data/2009/csv/recs2009_public_repweights.csv" )
y <- merge( x , rw )

# create a replicate-weighted survey design object
z <- svrepdesign( data = y , weights = ~NWEIGHT , repweights = "brr_weight_[0-9]" )

# now run all of your analyses on the object `z` ..
# see the `survey` package homepage for details

# distribution
svymean( ~ factor( BASEHEAT ) , z )

# mean
svymean( ~ TOTHSQFT , z )

加权表数据框与plyr

2 个答案: