Question

一个简单的问题。我想在数据集上使用ivot_wider来计算每个类别的出现次数：

以下是数据mtcar的示例（我按cyl对它们进行分组，然后计算出不同碳水化合物的出现次数）

mtcars %>%
  dplyr::group_by(cyl,carb) %>%
  dplyr::summarize(sum=n()) %>%
  pivot_wider(id_cols="cyl",names_from="carb",values_from="sum")

# A tibble: 3 x 7
# Groups:   cyl [3]
    cyl   `1`   `2`   `4`   `6`   `3`   `8`
  <dbl> <int> <int> <int> <int> <int> <int>
1     4     5     6    NA    NA    NA    NA
2     6     2    NA     4     1    NA    NA
3     8    NA     4     6    NA     3     1

我是否可以直接通过“ pivot_wider”执行此操作？我可以使用“ dcast”

mtcars %>%
  dcast(cyl~carb,fun.aggregate=length)

Using carb as value column: use value.var to override.
  cyl 1 2 3 4 6 8
1   4 5 6 0 0 0 0
2   6 2 0 0 4 1 0
3   8 0 4 3 6 0 1

...但是我喜欢将'pivot_wider'用于很多其他事情（它的语法对我来说很有意义）。

谢谢！

Answer 1

您可以在values_fn中使用pivot_wider参数，它在dcast中的作用与fun.aggregate相同。

mtcars %>%
    pivot_wider(id_cols = "cyl",
                names_from = "carb",
                values_from = "am",
                values_fn = list(am = length))

请注意，您必须选择一列（我随意选择了am），并给values_fn作为命名列表（假设您要使用该列的长度）。这是一个命名列表，因为在其他用例中，您可能会聚合多个列。

Answer 2

我了解您正在寻找tidyr::pivot_wider的答案，但是在这种情况下，您可以使用table获得预期的输出。

with(mtcars,table(cyl, carb))

#    1 2 3 4 6 8
#  4 5 6 0 0 0 0
#  6 2 0 0 4 1 0
#  8 0 4 3 6 0 1

ivot_wider，计算发生次数

2 个答案: