dplyr：如何计算每组内不同值的频率

Question

我可能有一个简单的失败问题，但无法弄清楚。

我的数据集有两个变量，两个因子。它看起来像这样：

my.data<-data.frame(name=c("a","a","b","b","b","b", "b", "b", "e", "e", "e"),
                var1=c(1, 2, 3, 4, 2, 1, 4, 1, 3, 4, 3))

我想计算 1、2、3 和 4 之后聚合到一行中的所有 a、b 和 e 的频率。这意味着所有“a”、“b”和“e”都应该在一行中，然后我想创建 4 个变量来指示这些行中所有 1、2、3 和 4 的频率。我设法计算了“a”、“b”和“e”的所有计数的频率，但我无法将所有“a”、“b”和“e”折叠成单独的行。

我的代码是这个：

a <- my.data %>%
dplyr:: select(name, var1) %>%
mutate(name = as.factor(name),
     var1 = as.factor(var1)) %>% 
group_by(name, var1) %>%
summarise(n = n()) %>%
mutate(freq = n / sum(n))

我的结果应该是这样的：

name   Freq1   Freq2   Freq3   Freq4
  a    0,00    0,00    0,5     0,5
  b    0,30    0,30    0,30    0,10
  e    0,20    0,20    0,20    0,40

谢谢。

Answer 1

您可以使用 pivot_wider 以宽格式导入数据 -

library(dplyr)
library(tidyr)

my.data %>%
  count(name, var1) %>%
  group_by(name) %>%
  mutate(n = prop.table(n)) %>%
  ungroup %>%
  pivot_wider(names_from = var1, values_from = n, names_prefix = 'Freq')

#  name   Freq1  Freq2  Freq3  Freq4
#  <chr>  <dbl>  <dbl>  <dbl>  <dbl>
#1 a      0.5    0.5   NA     NA    
#2 b      0.333  0.167  0.167  0.333
#3 e     NA     NA      0.667  0.333

Answer 2

library(purrr)
my.data %>% 
  split(.$name) %>% 
  {cbind(name = names(.), map_dfr(., ~pluck(.x, "var1") %>% table() %>% prop.table()))}

  name         1         2         3         4
1    a 0.5000000 0.5000000        NA        NA
2    b 0.3333333 0.1666667 0.1666667 0.3333333
3    e        NA        NA 0.6666667 0.3333333

Answer 3

您也可以使用基数 R

prop.table(table(my.data), 1)

回归

    var1
name         1         2         3         4
   a 0.5000000 0.5000000 0.0000000 0.0000000
   b 0.3333333 0.1666667 0.1666667 0.3333333
   e 0.0000000 0.0000000 0.6666667 0.3333333

Answer 4

我们也可以在这里利用包 janitor 来获得巨大优势：

library(janitor)

my.data %>%
  tabyl(name, var1) %>%
  adorn_percentages()

 name         1         2         3         4
    a 0.5000000 0.5000000 0.0000000 0.0000000
    b 0.3333333 0.1666667 0.1666667 0.3333333
    e 0.0000000 0.0000000 0.6666667 0.3333333

---

或

my.data %>%
  tabyl(name, var1) %>%
  adorn_percentages() %>%
  adorn_totals(c('row', 'col')) %>%
  adorn_pct_formatting(2)

  name      1      2      3      4   Total
     a 50.00% 50.00%  0.00%  0.00% 100.00%
     b 33.33% 16.67% 16.67% 33.33% 100.00%
     e  0.00%  0.00% 66.67% 33.33% 100.00%
 Total 83.33% 66.67% 83.33% 66.67% 300.00%