Question

我正在将统计分析脚本从SPSS转换为R，当涉及输出表格时，我会不断遇到问题。我最近开始使用tidyverse软件包，所以理想情况下想找到一个可以解决这个问题的解决方案，但更一般地说，我希望能指出一些深入的 R 表培训，如果有的话是这样的事情。

无论如何......这是我要复制的表格布局：

基本上它是一个频率

以下是一些示例数据的脚本：

i <- c(201:301)
ID <- sample(i, 200, replace=TRUE)
i <- 1:2
Category1 <- sample(i, 200, replace=TRUE)
Category2 <- sample(i, 200, replace=TRUE)
Category3 <- sample(i, 200, replace=TRUE)
df <- data.frame(ID, Category1, Category2, Category3)

现在我尝试过这个：

IDTab <- df %>%
            mutate(ID = as.character(ID)) %>%
            group_by(ID) %>%
            summarise(C1_1 = NROW(Category1[which(Category1 == 1)])
                     ,C1_2 = NROW(Category1[which(Category1 == 2)])
                     ,C1_T = NROW(Category1)
                     ,C2_1 = NROW(Category2[which(Category2 == 1)])
                     ,C2_2 = NROW(Category2[which(Category2 == 2)])
                     ,C2_T = NROW(Category2)
                     ,C3_1 = NROW(Category3[which(Category3 == 1)])
                     ,C3_2 = NROW(Category3[which(Category3 == 2)])
                     ,C3_T = NROW(Category3))

然而，这似乎是荒谬的手动，并且随着更多变量/级别的包含，工作量明显增加。更确切地说，我已经创建了我想要的表的数据框，而不是数据框中的表，并且所有分类都来自命名约定，而不是任何实际的数据结构。

正如我所说的......欢迎提供有关核心 R 表培训的建议。

Answer 1

如果你想制作漂亮的桌子，请查看knitr::kable，pander::pander，ztable::ztable和xtable::xtable之类的内容（按照增加的多功能性的粗略顺序）。

下面的数据处理示例不会为您提供您正在寻找的嵌套表格格式，但它应该比您当前的代码更好地扩展，并且可以获得您想要的数据。

# Make dataframe
set.seed(1234)
i <- c(201:301)
ID <- sample(i, 200, replace=TRUE)
i <- 1:2
Category1 <- sample(i, 200, replace=TRUE)
Category2 <- sample(i, 200, replace=TRUE)
Category3 <- sample(i, 200, replace=TRUE)
df <- data.frame(ID, Category1, Category2, Category3)

# Load packages
library(dplyr)
library(tidyr)

# Get the count by 'Level' (1 or 2) per 'Category' (1, 2 or 3) for each ID
df2 <- df %>%
    # Gather the 'Category' columns
    gather(key = Category,
           value = Level,
           -ID) %>%
    # Convert all to character
    mutate_each(funs(as.character)) %>%
    # Group by and then count
    group_by(ID, Category, Level) %>%
    summarise(Count = n())

# Get the total count per 'Category' (1, 2 or 3) for each ID
df3 <- df2 %>%
    # Group by and then count
    group_by(ID, Category) %>%
    summarise(Count = sum(Count)) %>%
    # Add a label column
    mutate(Level = 'total') %>%
    # reorder columns to match df2
    select(ID, Category, Level, Count)

# Finishing steps
df4 <- df2 %>%
    # Bind df3 to df2 by row
    rbind(df3) %>%
    # Spread out 'Level' into columns
    spread(key = Level,
           value = Count)

# Tabulate
knitr::kable(head(df4), format = 'markdown')

|ID  |Category  |  1|  2| total|
|:---|:---------|--:|--:|-----:|
|201 |Category1 |  1| NA|     1|
|201 |Category2 | NA|  1|     1|
|201 |Category3 | NA|  1|     1|
|202 |Category1 |  2| NA|     2|
|202 |Category2 |  1|  1|     2|
|202 |Category3 |  2| NA|     2|

（感谢Jenny Bryan的reprex）

R tidyverse表演示

1 个答案: