总结但保持长度可变（dplyr）

Question

基本的 dplyr 问题...受访者可以 select 他们使用的多家公司。例如：

library(dplyr)
test <- tibble(
 CompanyA = rep(c(0:1),5),
 CompanyB = rep(c(1),10),
 CompanyC = c(1,1,1,1,0,0,1,1,1,1)
)
test

如果这是一道强制选择题——即受访者只能做出一个 select离子——我会做以下基本总结 table:

test %>% 
  summarise_all(funs(sum), na.rm = TRUE) %>% 
  gather(Response, n) %>% 
  arrange(desc(n)) %>% 
  mutate("%" = round(100*n/sum(n)))

但是请注意，“%”列不是我想要的。相反，我正在寻找 每个单独的响应选项 总受访者的比例（因为他们可以制造多个 select 离子）。

我尝试在 summarise_all 命令之前添加 mutate(totalrows = nrow(.)) %>%。这将允许我在以后的 mutate 命令中使用该变量作为分母。但是，summarise_all 消除了 "totalrows" var.

此外，如果有更好的方法，我愿意接受。

Answer 1

要获得当变量为二元变量时选择该选项的受访者比例，您可以取均值。要对您的测试数据执行此操作，您可以使用 sapply:

sapply(test, mean)
CompanyA CompanyB CompanyC 
     0.5      1.0      0.8

如果您想以更复杂的方式执行此操作（假设您的数据不是二进制编码的，而是存储为 1 和 2），您可以使用以下方法执行此操作:

test %>% 
    gather(key='Company') %>% 
    group_by(Company) %>% 
    summarise(proportion = sum(value == 1) / n())

# A tibble: 3 x 2
  Company  proportion
  <chr>         <dbl>
1 CompanyA        0.5
2 CompanyB        1  
3 CompanyC        0.8

Answer 2

这是一个使用 tidyr::gather 的解决方案：

test %>% 
  gather(Company, response) %>% 
  group_by(Company) %>% 
  summarise(`%` = 100 * sum(response) / n())

Answer 3

如果您将所有函数放在 summarise 中的列表中，那么这将起作用。不过，您需要快速整理一下。

test %>% 
  summarise_all(
    list(
      rows = length,
      n = function(x){sum(x, na.rm = T)},
      perc = function(x){sum(x,na.rm = T)/length(x)}
    )) %>%
  tidyr::gather(Response, n) %>%
  tidyr::separate(Response, c("Company", "Metric"), '_') %>%
  tidyr::spread(Metric, n)

你会得到这个

  Company      n  perc  rows
  <chr>    <dbl> <dbl> <dbl>
1 CompanyA     5   0.5    10
2 CompanyB    10   1      10
3 CompanyC     8   0.8    10

总结但保持长度可变（dplyr）

Summarise but keep length variable (dplyr)

r

dplyr

summarize