如何从 r 中的意外事件 table 中获取带有案例的 data.frame？
How to get a data.frame with cases from a contingency table in r?
我想重现书中的一些计算（逻辑回归）。书上给出了一个权变table和结果。
这里是 Table:
.
example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
#Labels:
rownames(example) <- c("Present","Absent")
colnames(example) <- c(">= 55", "<55")
它给了我这个：
>= 55 <55
Present 21 22
Absent 6 51
但要使用 glm() 函数，数据必须采用以下方式：
（两列，一列 "Age"，一列 "Present"，填充为 0/1）
age <- c(rep(c(0),27), rep(c(1),73))
present <- c(rep(c(0),21), rep(c(1),6), rep(c(0),22), rep(c(1),51))
data <- data.frame(present, age)
> data
present age
1 0 0
2 0 0
3 0 0
. . .
. . .
. . .
100 1 1
有没有一种简单的方法可以从 table/matrix 中获取此结构？
我会选择：
library(data.table)
tab <- data.table(AGED = c(1, 1, 0, 0),
CHD = c(1, 0, 1, 0),
Count = c(21, 6, 22, 51))
tabExp <- tab[rep(1:.N, Count), .(AGED, CHD)]
编辑： 快速解释，因为我花了一些时间才弄明白：
在 data.table 对象中 .N 存储组的行数（如果用 by 分组）或仅存储整个 data.table 的行数，所以在这个例子中:
tab[rep(1:.N, Count)]
和
tab[rep(1:4, Count)]
最后
tab[rep(1:4, c(21, 6, 22, 51)]
是等价的。
与基本R相同：
tab2 <- data.frame(AGED = c(1, 1, 0, 0),
CHD = c(1, 0, 1, 0),
Count = c(21, 6, 22, 51))
tabExp2 <- tab2[rep(1:nrow(tab2), tab2$Count), c("AGED", "CHD")]
您或许可以将 countsToCases 函数用作 defined here。
countsToCases(as.data.frame(as.table(example)))
# Var1 Var2
#1 Present >= 55
#1.1 Present >= 55
#1.2 Present >= 55
#1.3 Present >= 55
#1.4 Present >= 55
#1.5 Present >= 55
# ...
如果您愿意，以后可以随时将变量重新编码为数字。
下面的代码可能看起来很长，但只有 group_by() 和 do() 指令处理扩展数据。剩下的就是以长格式更改数据并将字符变量编码为 0 和 1。我试图从你在问题中给出的确切矩阵开始。
加载数据操作包
library(tidyr)
library(dplyr)
创建数据框
按照您的示例创建矩阵，但避免在列名称中使用“>”符号
example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
rownames(example) <- c("Present","Absent")
colnames(example) <- c("above55", "below55")
将矩阵转换为数据框
example <- data.frame(example) %>%
add_rownames("chd")
或者直接创建数据框
data.frame(chd = c("Present", "Absent"),
above55 = c(21,6),
below55 = c(22,51))
重塑数据
data2 <- example %>%
gather(age, nrow, -chd) %>%
# Encode chd and age as 0 or 1
mutate(chd = ifelse(chd=="Present",1,0),
age = ifelse(age=="above55",1,0)) %>%
group_by(chd, age) %>%
# Expand each variable by nrow
do(data.frame(chd = rep(.$chd,.$nrow),
age = rep(.$age,.$nrow)))
head(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
#
# chd age
# (dbl) (dbl)
# 1 0 0
# 2 0 0
# 3 0 0
# 4 0 0
# 5 0 0
# 6 0 0
tail(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
#
# chd age
# (dbl) (dbl)
# 1 1 1
# 2 1 1
# 3 1 1
# 4 1 1
# 5 1 1
# 6 1 1
table(data2)
# age
# chd 0 1
# 0 51 6
# 1 22 21
与您的示例相同，但年龄编码除外
我在上面的评论中提到的问题。
reshape2::melt(example)
这会给你，
Var1 Var2 value
1 Present >= 55 21
2 Absent >= 55 6
3 Present <55 22
4 Absent <55 51
您可以轻松将其用于 glm
所以，glm 并不是那么死板。部分 ?glm 读取
For ‘binomial’ and ‘quasibinomial’ families the response can also
be specified as a ‘factor’ (when the first level denotes failure
and all others success) or as a two-column matrix with the columns
giving the numbers of successes and failures.
我假设您想测试年龄对 Present/Absent 的影响。
关键是指定响应，如（在伪代码中）c(success, failure).
所以你需要像 data.frame(Age= ..., Present = ..., Absent) 这样的数据。从 example 执行此操作的最简单方法是转置，然后强制转换为 data.frame，然后添加一列：
example_t <- as.data.frame(t(example))
example_df <- data.frame(example_t, Age=factor(row.names(example_t)))
这给了你
Present Absent Age
>= 55 21 6 >= 55
<55 22 51 <55
然后，你可以运行 glm:
glm(cbind(Present, Absent) ~ Age, example_df, family = 'binomial')
获得
Call: glm(formula = cbind(Present, Absent) ~ Age, family = "binomial",
data = example_for_glm)
Coefficients:
(Intercept) Age<55
1.253 -2.094
Degrees of Freedom: 1 Total (i.e. Null); 0 Residual
Null Deviance: 18.7
Residual Deviance: -1.332e-15 AIC: 11.99
附录
您也可以通过@therimalaya 的回答到达这里。但这只是第一步
as.data.frame(as.table(example))
（只会让你走到那里）
Var1 Var2 Freq
1 Present >= 55 21
2 Absent >= 55 6
3 Present <55 22
4 Absent <55 51
但要真正拥有一个成功和失败的列，您需要做更多的事情。您可以使用 tidyr 到达那里
as.data.frame(as.table(example)) %>% tidyr::spread(Var1, Freq)
类似于我上面的example_df
Var2 Present Absent
1 >= 55 21 6
2 <55 22 51
我想重现书中的一些计算（逻辑回归）。书上给出了一个权变table和结果。
这里是 Table:
.
example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
#Labels:
rownames(example) <- c("Present","Absent")
colnames(example) <- c(">= 55", "<55")
它给了我这个：
>= 55 <55
Present 21 22
Absent 6 51
但要使用 glm() 函数，数据必须采用以下方式：
（两列，一列 "Age"，一列 "Present"，填充为 0/1）
age <- c(rep(c(0),27), rep(c(1),73))
present <- c(rep(c(0),21), rep(c(1),6), rep(c(0),22), rep(c(1),51))
data <- data.frame(present, age)
> data
present age
1 0 0
2 0 0
3 0 0
. . .
. . .
. . .
100 1 1
有没有一种简单的方法可以从 table/matrix 中获取此结构？
我会选择：
library(data.table)
tab <- data.table(AGED = c(1, 1, 0, 0),
CHD = c(1, 0, 1, 0),
Count = c(21, 6, 22, 51))
tabExp <- tab[rep(1:.N, Count), .(AGED, CHD)]
编辑： 快速解释，因为我花了一些时间才弄明白：
在 data.table 对象中 .N 存储组的行数（如果用 by 分组）或仅存储整个 data.table 的行数，所以在这个例子中:
tab[rep(1:.N, Count)]
和
tab[rep(1:4, Count)]
最后
tab[rep(1:4, c(21, 6, 22, 51)]
是等价的。
与基本R相同：
tab2 <- data.frame(AGED = c(1, 1, 0, 0),
CHD = c(1, 0, 1, 0),
Count = c(21, 6, 22, 51))
tabExp2 <- tab2[rep(1:nrow(tab2), tab2$Count), c("AGED", "CHD")]
您或许可以将 countsToCases 函数用作 defined here。
countsToCases(as.data.frame(as.table(example)))
# Var1 Var2
#1 Present >= 55
#1.1 Present >= 55
#1.2 Present >= 55
#1.3 Present >= 55
#1.4 Present >= 55
#1.5 Present >= 55
# ...
如果您愿意，以后可以随时将变量重新编码为数字。
下面的代码可能看起来很长，但只有 group_by() 和 do() 指令处理扩展数据。剩下的就是以长格式更改数据并将字符变量编码为 0 和 1。我试图从你在问题中给出的确切矩阵开始。
加载数据操作包
library(tidyr)
library(dplyr)
创建数据框
按照您的示例创建矩阵，但避免在列名称中使用“>”符号
example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
rownames(example) <- c("Present","Absent")
colnames(example) <- c("above55", "below55")
将矩阵转换为数据框
example <- data.frame(example) %>%
add_rownames("chd")
或者直接创建数据框
data.frame(chd = c("Present", "Absent"),
above55 = c(21,6),
below55 = c(22,51))
重塑数据
data2 <- example %>%
gather(age, nrow, -chd) %>%
# Encode chd and age as 0 or 1
mutate(chd = ifelse(chd=="Present",1,0),
age = ifelse(age=="above55",1,0)) %>%
group_by(chd, age) %>%
# Expand each variable by nrow
do(data.frame(chd = rep(.$chd,.$nrow),
age = rep(.$age,.$nrow)))
head(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
#
# chd age
# (dbl) (dbl)
# 1 0 0
# 2 0 0
# 3 0 0
# 4 0 0
# 5 0 0
# 6 0 0
tail(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
#
# chd age
# (dbl) (dbl)
# 1 1 1
# 2 1 1
# 3 1 1
# 4 1 1
# 5 1 1
# 6 1 1
table(data2)
# age
# chd 0 1
# 0 51 6
# 1 22 21
与您的示例相同，但年龄编码除外 我在上面的评论中提到的问题。
reshape2::melt(example)
这会给你，
Var1 Var2 value
1 Present >= 55 21
2 Absent >= 55 6
3 Present <55 22
4 Absent <55 51
您可以轻松将其用于 glm
所以，glm 并不是那么死板。部分 ?glm 读取
For ‘binomial’ and ‘quasibinomial’ families the response can also
be specified as a ‘factor’ (when the first level denotes failure
and all others success) or as a two-column matrix with the columns
giving the numbers of successes and failures.
我假设您想测试年龄对 Present/Absent 的影响。
关键是指定响应，如（在伪代码中）c(success, failure).
所以你需要像 data.frame(Age= ..., Present = ..., Absent) 这样的数据。从 example 执行此操作的最简单方法是转置，然后强制转换为 data.frame，然后添加一列：
example_t <- as.data.frame(t(example))
example_df <- data.frame(example_t, Age=factor(row.names(example_t)))
这给了你
Present Absent Age
>= 55 21 6 >= 55
<55 22 51 <55
然后，你可以运行 glm:
glm(cbind(Present, Absent) ~ Age, example_df, family = 'binomial')
获得
Call: glm(formula = cbind(Present, Absent) ~ Age, family = "binomial",
data = example_for_glm)
Coefficients:
(Intercept) Age<55
1.253 -2.094
Degrees of Freedom: 1 Total (i.e. Null); 0 Residual
Null Deviance: 18.7
Residual Deviance: -1.332e-15 AIC: 11.99
附录
您也可以通过@therimalaya 的回答到达这里。但这只是第一步
as.data.frame(as.table(example))
（只会让你走到那里）
Var1 Var2 Freq
1 Present >= 55 21
2 Absent >= 55 6
3 Present <55 22
4 Absent <55 51
但要真正拥有一个成功和失败的列，您需要做更多的事情。您可以使用 tidyr 到达那里
as.data.frame(as.table(example)) %>% tidyr::spread(Var1, Freq)
类似于我上面的example_df
Var2 Present Absent
1 >= 55 21 6
2 <55 22 51