使用 dplyr 的分组变量计数

Question

我想创建一个包含比例置信区间的数据框作为最终结果。我引入了一个变量（在我的示例中为 tp）作为计算比例的截止值。我想使用 dplyr 包来生成最终的数据帧。下面是一个简化的例子：

library(dplyr)

my_names <- c("A","B")
dt <- data.frame(
  Z = sample(my_names,100,replace = TRUE),
  X = sample(1:10, replace = TRUE),
  Y = sample(c(0,1), 100, replace = TRUE)
)  
  my.df <- dt%>%  
    mutate(tp = (X >8)* 1) %>% #multiply by one to convert into numeric
    group_by(Z, tp) %>%
    summarise(n = n()) %>%
    mutate(prop.tp= n/sum(n)) %>%
    mutate(SE.tp = sqrt((prop.tp*(1-prop.tp))/n))%>%
    mutate(Lower_limit = prop.tp-1.96 * SE.tp)%>%
    mutate(Upper_limit = prop.tp+1.96 * SE.tp)

output:

Source: local data frame [4 x 7]
Groups: Z

  Z tp  n   prop.tp      SE.tp Lower_limit Upper_limit
1 A  0 33 0.6346154 0.08382498   0.4703184   0.7989123
2 A  1 19 0.3653846 0.11047236   0.1488588   0.5819104
3 B  0 27 0.5625000 0.09547033   0.3753782   0.7496218
4 B  1 21 0.4375000 0.10825318   0.2253238   0.6496762

但是，我想使用 Z 列中各组的总样本来计算标准误差和 CI:s，而不是按分类变量 tp 拆分的样本。所以在我的例子中 A 的总样本应该是 n = 33 +19。有什么想法吗？

Answer 1

不太确定我在这里得到您想与哪个组进行比较，但无论如何您有两个分组变量 tp = X > 8 和 Z。如果您想将 X > 8 和 Z == "A" 的行与 X > 8 的所有行进行比较，您可以这样做

merge(
    dt %>%
        group_by(X > 8) %>%
        summarize(n.X = n()),
    dt %>%
        group_by(X > 8, Z) %>%
        summarise(n.XZ = n()),
    by = "X > 8"
) %>%
    mutate(prop.XZ = n.XZ/n.X) %>%
    mutate(SE = sqrt((prop.XZ*(1-prop.XZ))/n.X))%>%
    mutate(Lower_limit = prop.XZ-1.96 * SE) %>%
    mutate(Upper_limit = prop.XZ+1.96 * SE)

  X > 8 n.X Z n.XZ   prop.XZ         SE Lower_limit Upper_limit
1 FALSE  70 A   37 0.5285714 0.05966378   0.4116304   0.6455124
2 FALSE  70 B   33 0.4714286 0.05966378   0.3544876   0.5883696
3  TRUE  30 A   16 0.5333333 0.09108401   0.3548087   0.7118580
4  TRUE  30 B   14 0.4666667 0.09108401   0.2881420   0.6451913

如果你想扭转问题并将 X > 8 和 Z == "A" 与具有 Z == "A" 的所有行进行比较，你可以这样做

merge(
    dt %>%
        group_by(Z) %>%
        summarize(n.Z = n()),
    dt %>%
        group_by(X > 8, Z) %>%
        summarise(n.XZ = n()),
    by = "Z"
) %>%
    mutate(prop.XZ = n.XZ/n.Z) %>%
    mutate(SE = sqrt((prop.XZ*(1-prop.XZ))/n.Z))%>%
    mutate(Lower_limit = prop.XZ-1.96 * SE) %>%
    mutate(Upper_limit = prop.XZ+1.96 * SE)

  Z n.Z X > 8 n.XZ   prop.XZ         SE Lower_limit Upper_limit
1 A  53 FALSE   37 0.6981132 0.06305900   0.5745176   0.8217088
2 A  53  TRUE   16 0.3018868 0.06305900   0.1782912   0.4254824
3 B  47 FALSE   33 0.7021277 0.06670743   0.5713811   0.8328742
4 B  47  TRUE   14 0.2978723 0.06670743   0.1671258   0.4286189

必须 merge 两个单独的分组有点麻烦，但我不知道是否可以在同一语句中取消分组和重新分组。尽管在两个不同级别上使用分组（如果可以这样称呼的话）似乎有多么困难，但我感到很惊讶，希望其他人能提出更好的解决方案。

使用 dplyr 的分组变量计数

counts of grouped variables using dplyr

r

count

dplyr