Question

我正在尝试计算dplyr中数据框中每个级别的因子变量的百分比/计数，有点像使用表格，虽然我可以手动执行此操作，但如果我有许多因子变量或者因子变量有很多层次。

示例：

set.seed(100)
data <- data.frame(groupbyvar = LETTERS[1:4],
               var1 = letters[1:4],
               var2 = as.factor(sample(1:4,12,TRUE)))

data %>% group_by(groupbyvar) %>% summarise(var1_a = mean(var1 == 'a', na.rm=TRUE),
                                        var1_b = mean(var1 == 'b', na.rm=TRUE),
                                        var1_c = mean(var1 == 'c', na.rm=TRUE),
                                        var1_d = mean(var1 == 'd', na.rm=TRUE),
                                        var1_1 = mean(var2 == 1, na.rm=TRUE),
                                        var1_2 = mean(var2 == 2, na.rm=TRUE),
                                        var1_3 = mean(var2 == 3, na.rm=TRUE),
                                        var1_4 = mean(var2 == 4, na.rm=TRUE))

我考虑过使用table，但是这不会生成dplyr可以理解的输出。此外，我考虑使用类似model.matrix之类的东西在传递数据帧之前生成因子变量的指标，但这会不必要地增加内存占用（特别是对于大型数据集）。是否有一些简单的方法可以实现自动化？

结果应该是具有百分比/计数的新数据框：

  groupbyvar var1_a var1_b var1_c var1_d    var1_1    var1_2    var1_3    var1_4
1          A      1      0      0      0 0.0000000 0.6666667 0.3333333 0.0000000
2          B      0      1      0      0 0.3333333 0.6666667 0.0000000 0.0000000
3          C      0      0      1      0 0.0000000 0.0000000 0.6666667 0.3333333
4          D      0      0      0      1 0.3333333 0.3333333 0.0000000 0.3333333

我希望它能自动化每个列名称的后缀，类似于model.matrix对因子变量的作用。

Answer 1

这绝对过于复杂，但我认为tables会做你想要的。

您的数据

set.seed(100)
data <- data.frame(groupbyvar = LETTERS[1:4],
                    var1 = letters[1:4],
                    var2 = as.factor(sample(1:4,12,TRUE)))

然后我们将其放入tabular。

mytab<-tabular( (Factor(groupbyvar, "Group") + 1)*( 
    (ColPct=Percent("col")))
    ~  (Factor(var1, "var1")
        + Factor(var2, "var2")  + 
            1)
    *Format(digits=1), data=data )

这给了我myTab

           var1             var2                
 Group        a    b   c   d   1    2   3   4   All
 A     ColPct 100    0   0   0   0   40  33   0  25
 B     ColPct   0  100   0   0  50   40   0   0  25
 C     ColPct   0    0 100   0   0    0  67  50  25
 D     ColPct   0    0   0 100  50   20   0  50  25
 All   ColPct 100  100 100 100 100  100 100 100 100

然后从myTab中提取数据（例如class(table(myTab))就是表格。但这真的很痛苦。

用dplyr计算因子变量的百分比

1 个答案: