Question

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讨论部分是我正在寻找的： Relative frequencies / proportions with dplyr和Calculate relative frequency for a certain group。

使用mtcars数据集，如果我只想查看gear到am类别的比例，那么这就是输出的样子：

    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 am，carb am和cyl 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？

修改

此外，如果有人知道如何生成我想要的表格，但是am的类别作为列（如经典的2x2表格格式），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，以便我可以使用RMarkdown将其直接输出到word文档：

Answer 1

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%)

Answer 2

使用tidyr / dplyr组合，您可以按照以下方式进行操作：

library(tidyr)
library(dplyr)

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

Answer 3

分组然后汇总的另一种方法是使用count（）。

这只会使代码1行更简洁

library(reshape2)
library(dplyr)

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

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

另一个好处是，这将保存在group_by摘要中丢失的其他值。结果表如下所示

enter image description here

使用dplyr创建包含多个分类/因子变量的汇总比例表

3 个答案: