分类变量的聚合

Question

我想聚合我的数据库，包括分类变量，以便每一行代表原始数据中的多行（例如，基于学生 ID）。每列都需要保存原始数据中最常见的值（每个聚合 ID）。示例：我想按学生汇总我的数据并查看我的分类变量的最频繁级别 - 例如：

student   class 
a          h        (being h the dominant level for the variable "class"

我正在使用 R studio

Answer 1

如果您实际上希望创建一个新的数据框，将多个学生聚合（或汇总 dplyr）到每个学生一行中，您指定的分类列将包含最常见的值，您可以使用 DescTools 库中的 Mode 函数，以及 summarise 和 dplyr。您应该注意，您很可能运行遇到麻烦，就像在您的示例数据中一样，当您没有或有多个最常见的值（多模式）时。您将需要决定要做什么。

这可以帮助您入门：

install.packages("dplyr")
library(dplyr)
install.packages("DescTools")
library(DescTools)

#create sample data tibble (similar to data frame)
data <- data.frame(student=c('a', 'a', 'a', 'b', 'c', 'c'),
               subject=c('aze','sdf','hjk','uio','okn','uhv'),
               class=c('h','h','f','l','h','l'),
               num=c(2,2,3,5,2,6))


# returns a single mode. Will return NA if multimodal by default.
# To return the first mode if multimodal, add "FALSE" to the second condition
get_mode = function(x, multimodal.na="TRUE"){
  modes <- Mode(x)
  if (multimodal.na=="FALSE" | length(modes)==1) {
    return(modes[1]) 
  } else {
    return(modes[length(modes)+1])
  }
}

# tests
data_mode <- data %>% group_by(student) %>% summarise(md_subject = get_mode(subject, multimodal.na = "FALSE"),
                                                      md_class = get_mode(class, multimodal.na = "FALSE"),
                                                      md_num = get_mode(num, multimodal.na = "FALSE"))
data_mode2 <- data %>% group_by(student) %>% summarise(md_subject = get_mode(subject),
                                                      md_class = get_mode(class),
                                                      md_num = get_mode(num))

现在让我们查看上面的两个数据：

> data_mode
# A tibble: 3 x 4
  student md_subject md_class md_num
  <fct>   <chr>      <chr>     <dbl>
1 a       aze        h             2
2 b       uio        l             5
3 c       okn        h             2
> data_mode2
# A tibble: 3 x 4
  student md_subject md_class md_num
  <fct>   <chr>      <chr>     <dbl>
1 a       NA         h             2
2 b       uio        l             5
3 c       NA         NA           NA

分类变量的聚合

aggregation of categorical variables

aggregation