按每个组中的子组汇总（&group by）答案

【问题标题】：summarize(&group by) by subgroup in each group按每个组中的子组汇总（&group by）
【发布时间】：2019-11-26 22:51:55
【问题描述】：

所有，我试图获得喜欢苹果的人群和不喜欢苹果的人群中的国籍百分比（如果这个人喜欢，Apple==1，如果不喜欢，Apple==0 ）。我使用此代码，但百分比不是我想要的：

sample %>%
group_by(Apple,Country) %>%
dplyr::summarise(count=n())%>%
mutate(pct_gender=count/sum(count))

我从这段代码中得到了国籍+苹果在所有观察中的百分比。（例如，在所有 31 次观察中，有 18 人喜欢苹果。在喜欢苹果的 18 人中，有 7 人来自法国。所以我想得到 7/18=38.8%，但我得到的结果是 7/31=22.6% )

这是我使用的数据：

structure(list(id = 1:30, Country = c("USA", "USA", "USA", "USA", 
"USA", "USA", "USA", "USA", "Germany", "Germany", "Germany", 
"Germany", "Germany", "Germany", "UK", "UK", "UK", "UK", "UK", 
"UK", "UK", "UK", "UK", "UK", "France", "France", "France", "France", 
"France", "France"), Apple = c(1L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 
1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 
1L, 1L, 1L, 1L, 1L, 1L), Banana = c(1L, 1L, 0L, 1L, 1L, 0L, 0L, 
1L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 
1L, 1L, 0L, 0L, 0L, 1L, 1L), Orange = c(0L, 0L, 0L, 0L, 0L, 1L, 
1L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 
1L, 0L, 0L, 1L, 1L, 0L, 0L, 1L), Jackfruit = c(0L, 0L, 1L, 1L, 
0L, 1L, 0L, 0L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 
1L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 0L, 1L)), row.names = c(NA, -30L
), class = c("tbl_df", "tbl", "data.frame"))

如果有人能告诉我我做错了什么，将不胜感激。

【问题讨论】：

标签： r dplyr summarize

【解决方案1】：

我同意@Ronak Shah，这在基础上比任何其他软件包都容易：

使用table（如Ronak 建议的那样），但也使用prop.table：

prop.table(table(df$Country, df$Apple), margin = 2)

产生：

                  0         1
  France  0.0000000 0.3529412
  Germany 0.3076923 0.1176471
  UK      0.4615385 0.2352941
  USA     0.2307692 0.2941176

请注意，您不应该期望法国有 38.8% - 喜欢（在您的玩具数据中，在 17 个人中，只有 6 个法国人喜欢苹果）。

【讨论】：

【解决方案2】：

要得到喜欢和不喜欢的比率，我们可以先group_byCountry和Apple，统计每组的行数，spread它是宽格式，然后计算比率。

sample %>%
  group_by(Country, Apple) %>%
  summarise(perc = n()) %>%
  mutate(Apple = c("dislike", "like")[Apple + 1])  %>%
  tidyr::spread(Apple, perc, fill = 0) %>%
  ungroup() %>%
  mutate_at(vars(dislike, like), ~./sum(.))

# A tibble: 4 x 3
#  Country dislike  like
#  <chr>     <dbl> <dbl>
#1 France    0     0.353
#2 Germany   0.308 0.118
#3 UK        0.462 0.235
#4 USA       0.231 0.294

在基础 R 中，使用 table 会更简单

dat <-table(sample$Country, sample$Apple)
t(t(dat)/colSums(dat))


#                  0         1
#  France  0.0000000 0.3529412
#  Germany 0.3076923 0.1176471
#  UK      0.4615385 0.2352941
#  USA     0.2307692 0.2941176

【讨论】：

感谢 Ronak，但我收到一条错误消息：“计数错误 (., Country) : object 'Country' not found”
@iceylovedata 我正在使用您提供的sample 数据，对我来说效果很好。您是否使用相同的数据？里面有Country 列吗？
是的，我使用的是相同的数据。国家是一列。
@iceylovedata 好的，我认为count 被其他包屏蔽一定是个问题。您可以明确指定dplyr::count。您也可以尝试更新的代码吗？我认为这就是您要求分别获得“Apple”的喜欢和不喜欢的内容。
嗨，Ronak，非常感谢！这正是我想要的。