向 table() 添加新值以便能够使用卡方检验

Question

从单个数据集中，我在目标变量上创建了两个数据集过滤。现在我想使用卡方比较数据集中的所有特征。问题是两个数据集之一比另一个小得多，所以在某些特征中我有一些值在第二个数据集中不存在，当我尝试应用卡方检验时我得到这个错误：“所有参数必须具有相同的长度”。

为了能够使用卡方检验，如何将缺失值添加到价值较小的数据集中？

例子：

我想在两个数据集中的相同特征上使用卡方：

chisq.test(table(df1$var1, df2$var1))

但我收到错误“所有参数必须具有相同的长度”，因为 table(df1$var1) 是：

a  b  c  d
2  5  7  18

而 table(df2$var1) 是：

a  b  c
8  1  12

所以我想做的是在 df2 中添加值 d 并将其设置为等于 0 以便能够使用卡方检验。

Answer 1

如果我们使用指定的levels转换为factor，则可以修改df2的table输出

table(factor(df2$var1, levels = letters[1:4]))

 a  b  c  d 
 8  1 12  0 

但是，带有两个输入的 table 应该具有相同的长度。为此，我们可能需要绑定数据集，然后使用table

library(dplyr)
table(bind_rows(df1, df2, .id = 'grp'))
   var1
grp  a  b  c  d
  1  2  5  7 18
  2  8  1 12  0

或者在base R

table(data.frame(col1 = rep(1:2, c(nrow(df1), nrow(df2))), 
  col2 = c(df1$var1, df2$var1)))
    col2
col1  a  b  c  d
   1  2  5  7 18
   2  8  1 12  0

数据

df1 <- structure(list(var1 = c("a", "a", "b", "b", "b", "b", "b", "c", 
"c", "c", "c", "c", "c", "c", "d", "d", "d", "d", "d", "d", "d", 
"d", "d", "d", "d", "d", "d", "d", "d", "d", "d", "d")), class = "data.frame", 
row.names = c(NA, 
-32L))

df2 <- structure(list(var1 = c("a", "a", "a", "a", "a", "a", "a",
 "a", 
"b", "c", "c", "c", "c", "c", "c", "c", "c", "c", "c", "c", "c"
)), class = "data.frame", row.names = c(NA, -21L))