计算列中的值以创建摘要 table 的最佳方法是什么？

Question

我有一个 tbl_df 有几个列，其中有多个值。我希望使用列中的值来创建多个列。之后，我希望对这些专栏进行总结。

我可以采用的一种方法是在 mutate 中创建多个 ifelse，但这似乎效率不高。有没有更好的方法来解决这个问题？我在想可能有一个基于 dplyr and/or tidyr 的解决方案。

下面是我要执行的操作的示例。它只是数据和列的样本。它不包含我要创建的所有列。摘要 table 将包含一些基于 sum 和 mean 的列。

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union

df <- tibble::tribble(
  ~type,      ~bb_type,           ~description,
  "B",            NA,                 "ball",
  "S",            NA,                 "foul",
  "X",  "line_drive", "hit_into_play_no_out",
  "S",            NA,      "swinging_strike",
  "S",            NA,                 "foul",
  "X", "ground_ball",        "hit_into_play",
  "S",            NA,      "swinging_strike",
  "X",    "fly_ball",  "hit_into_play_score",
  "B",            NA,                 "ball",
  "S",            NA,                 "foul"
)


df <- df %>% 
  mutate(ground_ball = ifelse(bb_type == "ground_ball", 1, 0),
         fly_ball = if_else(bb_type == "fly_ball", 1, 0),
         X = if_else(type == "X", 1, 0),
# not sure if this is the based way to go about counting columns that start with swinging to sum later
         swinging_strike = grepl("^swinging", description))

df
#> # A tibble: 10 x 7
#>    type  bb_type    description       ground_ball fly_ball     X swinging_strike
#>    <chr> <chr>      <chr>                   <dbl>    <dbl> <dbl> <lgl>          
#>  1 B     <NA>       ball                       NA       NA     0 FALSE          
#>  2 S     <NA>       foul                       NA       NA     0 FALSE          
#>  3 X     line_drive hit_into_play_no…           0        0     1 FALSE          
#>  4 S     <NA>       swinging_strike            NA       NA     0 TRUE           
#>  5 S     <NA>       foul                       NA       NA     0 FALSE          
#>  6 X     ground_ba… hit_into_play               1        0     1 FALSE          
#>  7 S     <NA>       swinging_strike            NA       NA     0 TRUE           
#>  8 X     fly_ball   hit_into_play_sc…           0        1     1 FALSE          
#>  9 B     <NA>       ball                       NA       NA     0 FALSE          
#> 10 S     <NA>       foul                       NA       NA     0 FALSE

summary_df <- df %>% 
  summarize(n = n(),
            fly_ball = sum(fly_ball, na.rm = TRUE),
            ground_ball = sum(ground_ball, na.rm = TRUE))

summary_df
#> # A tibble: 1 x 3
#>       n fly_ball ground_ball
#>   <int>    <dbl>       <dbl>
#> 1    10        1           1

总而言之，我希望执行以下操作：

为 bb_type 和 type 中的所有值创建新列以计算它们
创建一个新列来计算描述列中以 swinging 开头的值的数量。我想看一个示例，该示例从该列中选择另一个文本字符串并创建一个包含计数的新列作为附加示例。前任。球
在执行我希望在 1 和 2 中实现的目标时，我将如何选择自己的名字？我必须在事后简单地使用 dplyr::rename 吗？

Answer 1

使用 dplyr 和 tidyr 你可以做这样的事情。首先，您可以通过指定 .drop = FALSE 按 "bb_type" 变量分组，以便 dplyr 保留 NA 值。然后，您可以对它们进行计数并获得所有计数值的总和，最后使用 pivot_wider 获取以您要查找的方向显示的数据：

library(dplyr)
library(tidyr)
df %>% group_by(bb_type, .drop = FALSE) %>%
  count() %>% 
  ungroup() %>% mutate(Sum = sum(n)) %>% 
  pivot_wider(.,names_from = bb_type,values_from = n) 

# A tibble: 1 x 5
    Sum fly_ball ground_ball line_drive  `NA`
  <int>    <int>       <int>      <int> <int>
1    10        1           1          1     7

是您要找的吗？

Answer 2

我们可以使用 table 和 base R

中的 addmargins

addmargins(table(df$bb_type, useNA = 'always'), 1)
#   fly_ball ground_ball  line_drive        <NA>         Sum 
#          1           1           1           7          10

Answer 3

这似乎是一个表格请求，其中包含该表格中条目的后续计数

tb_df <- table(df$bb_type, useNA="always") 

c(Sum=sum(tb_df), tb_df)
        Sum    fly_ball ground_ball  line_drive        <NA> 
         10           1           1           1           7

如果你想把它作为一个数据框，你首先要把它变成一个命名列表：

data.frame( as.list(  c(Sum=sum(tb_df), tb_df) ) )
  Sum fly_ball ground_ball line_drive NA.
1  10        1           1          1   7

如果你想在所有列上完成此操作，那么首先创建一个处理一列的函数，然后 lapply 它到 tbl_df:

tally_col <- function(x){ tb <- table(x, useNA="always") 
 tal <- c(Sum=sum(tb), tb); data.frame( as.list(tal)) }

lapply(df, tally_col)
# ---output---
$type
  Sum B S X NA.
1  10 2 5 3   0

$bb_type
  Sum fly_ball ground_ball line_drive NA.
1  10        1           1          1   7

$description
  Sum ball foul hit_into_play hit_into_play_no_out hit_into_play_score swinging_strike NA.
1  10    2    3             1                    1                   1               2   0

计算列中的值以创建摘要 table 的最佳方法是什么？

What is the best way to count values within columns to create a summary table?

r

dplyr

tidyr

tabulate