使用 dplyr 创建包含多个分类/因子变量的汇总比例表

Question

我正在尝试创建一个表格，通过另一个变量汇总几个分类变量（使用频率和比例）。我想使用 dplyr 包来做到这一点。

这些以前的 Stack Overflow 讨论部分包含了我正在寻找的内容： Relative frequencies / proportions with dplyr 和 Calculate relative frequency for a certain group。

使用 mtcars 数据集，如果我只想查看 gear 与 am 类别的比例，这就是输出的样子：

    mtcars %>%
    group_by(am, gear) %>%
    summarise (n = n()) %>%
    mutate(freq = n / sum(n))

    #   am gear  n      freq
    # 1  0    3 15 0.7894737
    # 2  0    4  4 0.2105263
    # 3  1    4  8 0.6153846
    # 4  1    5  5 0.3846154

但是，我实际上不仅想查看am 的gears，还希望在同一张表中分别查看am 的carb 和am 的cyl。如果我将代码修改为：

    mtcars %>%
    group_by (am, gear, carb, cyl) %>%
    summarise (n = n()) %>%
    mutate(freq = n / sum(n))

我得到am、gear、carb 和cyl 的每个组合的频率。这不是我想要的。有没有办法用 dplyr 做到这一点？

编辑

此外，如果有人知道生成我想要的表格的方法，但将am 的类别作为列（如经典的 2x2 表格格式），那将是一个额外的好处。这是我所指的一个例子。它来自我以前的出版物之一。我想在 R 中生成这个表格，这样我就可以使用 RMarkdown 将它直接输出到 Word 文档中：

Answer 1

分组依据然后汇总的替代方法是使用 count()。

这只是让代码1行更简洁

library(reshape2)
library(dplyr)

m_mtcars <- melt(mtcars,measure.vars=c("gear","carb","cyl"))

res <- m_mtcars %>%
  count(am, variable, value) %>%
  mutate(freq = n / sum(n))

另一个好处是，这将保存 group_by 汇总中丢失的其他值。结果表如下所示

enter image description here

Answer 2

解决此问题的一种方法是将您的数据转换为较长的格式。然后，您可以使用相同的代码来计算您想要的结果，并增加一个 group_by：

library(reshape2)
library(dplyr)

m_mtcars <- melt(mtcars,measure.vars=c("gear","carb","cyl"))

res <- m_mtcars %>%
  group_by(am, variable, value) %>%
  summarise (n = n()) %>%
  mutate(freq = n / sum(n))

在此基础上，可以使用更多的整形和一些字符串格式化来获得所需的输出

#make an 'export' variable
res$export <- with(res, sprintf("%i (%.1f%%)", n, freq*100))

#reshape again
output <- dcast(variable+value~am, value.var="export", data=res, fill="missing") #use drop=F to prevent silent missings 
#'silent missings'
output$variable <- as.character(output$variable)
#make 'empty lines' 
empties <- data.frame(variable=unique(output$variable), stringsAsFactors=F)
empties[,colnames(output)[-1]] <- ""

#bind them together
output2 <- rbind(empties,output)
output2 <- output2[order(output2$variable,output2$value),]

#optional: 'remove' variable if value present

output2$variable[output2$value!=""] <- ""

这会导致：

   variable value          0         1
2      carb                           
7               1  3 (15.8%) 4 (30.8%)
8               2  6 (31.6%) 4 (30.8%)
9               3  3 (15.8%)   missing
10              4  7 (36.8%) 3 (23.1%)
11              6    missing  1 (7.7%)
12              8    missing  1 (7.7%)
3       cyl                           
13              4  3 (15.8%) 8 (61.5%)
14              6  4 (21.1%) 3 (23.1%)
15              8 12 (63.2%) 2 (15.4%)
1      gear                           
4               3 15 (78.9%)   missing
5               4  4 (21.1%) 8 (61.5%)
6               5    missing 5 (38.5%)

Answer 3

使用 tidyr/dplyr 组合，您可以这样做：

library(tidyr)
library(dplyr)

mtcars %>%
  gather(variable, value, gear, carb, cyl) %>%
  group_by(am, variable, value) %>%
  summarise (n = n()) %>%
  mutate(freq = n / sum(n))