Question

我有一个凌乱的数据集（来自CATI调查）。由于受访者/合作伙伴/子文件，我在努力准备和整理它，在每一栏中处理双重（一对类似的问题）

例如，一小部分性别数据看起来像（1 =男性，2 =女性）

q_1 is  interviewee gender
q_2 is  interviewee - partner gender (if there is any)
q_3:q_6 interviewee - kid gender     (if there is any)

元数据说：

Male    15
Female  12

数据具有相同的教育，职业等格式（对受访者/伴侣/孩子的一对相同的问题）。

如何整理此数据集以便能够轻松计算统计摘要或可视化。我希望有这样的事情（调查中的男性和女性总数，不论年龄）：

MIXPANEL_TOKEN

Answer 1

基础R中的table函数可能正是您所寻找的，它为您提供了一个多功能选项，可以计算所有级别：

table(unlist(df1[,c(2:7)]))

更改此选项可使数据框名称（df1）和列号c(2,7)符合您的需求。

这也复制了你的例子：

df1 <- data.frame("v" = LETTERS[1:7], "q1" = c(1,2,1,2,2,1,1), "q2" = c(2,1,2,2,1,2,2), "q3" = c(1,NA,1,1,1,1,2), "q4" = c(NA, NA,1,NA,1,2,NA), "q5" = c(NA, NA,2,NA,1,2,NA), "q6" = c(NA, NA,NA,NA,1,NA,NA))

> table(unlist(df1[,c(2:7)]))
 1  2 
15 12

更多例子：

df1 <- data.frame("v" = LETTERS[1:5], "q1" = c(1,2,6,1,1), "q2" = c("k","k","f","h","p"), "q3" = c(1,2,NA,1,NA))

> df1
  v q1 q2 q3
1 A  1  k  1
2 B  2  k  2
3 C  6  f NA
4 D  1  h  1
5 E  1  p NA 

table(unlist(df1[,c(2,4)]))
table(unlist(df1[,3]))

> table(unlist(df1[,c(2,4)]))
1 2 6 
5 2 1 

> table(unlist(df1[,3]))
f h k p 
1 1 2 1

Answer 2

如果您将数据放入长格式，过滤掉NA，将性别纳入因子，并统计计数，这是很简单的。我正在使用fct_recode中的forcats（tidyverse附带），但您也可以更改基数R中的因子级别标签。

library(tidyverse)

df %>%
    gather(key = person, value = gender, -Household_size) %>%
    filter(!is.na(gender)) %>%
    mutate(gender_fct = as.factor(gender) %>% forcats::fct_recode("Male" = "1", "Female" = "2")) %>%
    count(gender_fct)
#> # A tibble: 2 x 2
#>   gender_fct     n
#>   <fct>      <int>
#> 1 Male          15
#> 2 Female        12

由reprex package（v0.2.0）创建于2018-05-05。

清洁调查数据 - 每列中的一对类似问题

2 个答案: