r中的表要加权答案

【问题标题】：Table in r to be weightedr中的表要加权
【发布时间】：2021-01-21 10:32:07
【问题描述】：

我正在尝试运行交叉表/列联表，但需要通过加权变量对其进行加权。这是一些示例数据。

set.seed(123)
sex <- sample(c("Male", "Female"), 100, replace = TRUE)
age <- sample(c("0-15", "16-29", "30-44", "45+"), 100, replace = TRUE)
wgt <- sample(c(1:10), 100, replace = TRUE)
df <- data.frame(age,sex, wgt)

我已经运行它来获得一个常规的交叉表

table(df$sex, df$age)

为了获得加权频率，我尝试了 Hmisc 包（如果你知道更好的包，请告诉我）

library(Hmisc)
wtd.table(df$sex, df$age, weights=df$wgt)
Error in match.arg(type) : 'arg' must be of length 1

我不确定我哪里出错了，但它没有运行，所以任何帮助都会很棒。或者，如果您知道如何在另一个包中执行此操作，这可能更适合分析调查数据，那也很棒。非常感谢。

【问题讨论】：

只是为了添加一个注释，wgt 变量可以有小数，所以它需要一个内置的加权函数。感谢任何使用 rep 功能回复的人

标签： r crosstab weighted contingency

【解决方案1】：

stats 中的 Base R 具有 xtabs 正是为了这个：

xtabs(wgt ~ age + sex, data=df)

【讨论】：

【解决方案2】：

试试这个

GDAtools::wtable(df$sex, df$age, w = df$wgt)

输出

       0-15 16-29 30-44 45+ NA tot
Female   56    73    60  76  0 265
Male     76    99   106  90  0 371
NA        0     0     0   0  0   0
tot     132   172   166 166  0 636

更新

如果你不想安装整个包，这里有两个你需要的基本功能：

wtable 和 dichotom

获取它们，您应该可以毫无问题地使用wtable。

【讨论】：

只是一个简单的问题，是否可以将第三层放入其中。当我尝试这个时它不起作用 GDAtools::wtable(df$sex, df$age, df$VAR3, w = df$wgt) - 当我创建了第三个变量时
我认为这行不通。每次只能交叉表两个变量。
不用担心3级。我不能写另一个问题。我会编辑我的另一个，谢谢你在这里回答了这个问题。对你来说是一个上升。谢谢

【解决方案3】：

一个tidyverse解决方案使用你的数据相同的set.seed，uncount相当于@Rui的rep的权重。

library(dplyr)
library(tidyr)

df %>%
   uncount(weights = .$wgt) %>% 
   select(-wgt) %>%
   table
#>        sex
#> age     Female Male
#>   0-15      56   76
#>   16-29     73   99
#>   30-44     60  106
#>   45+       76   90

【讨论】：

如果是这种情况，如果 wgt 变量值不是整数，它会起作用吗？抱歉，我应该创建一个带小数位的随机 wgt
是的。我用wgt <- runif(100, min = .5, max = 20) 进行了测试，效果很好

【解决方案4】：

一个解决方案是按权重重复data.frame的行，然后table结果。

以下重复 data.frame 的行（仅相关列）：

df[rep(row.names(df), df$wgt), 1:2]

并且可以用来获取列联表。

table(df[rep(row.names(df), df$wgt), 1:2])
#       sex
#age     Female Male
#  0-15      56   76
#  16-29     73   99
#  30-44     60  106
#  45+       76   90

【讨论】：

谢谢，它是一个简洁的解决方案，但通常 wgt 变量会有小数。我猜 rep 函数不起作用，除非 wgt 是整数？
这将与我的非整数权重一样工作
@Chuck P，它适用于测试数据，但不适用于包含 30k+ 行数据的文件。干杯，我会重写我的问题。我认为代表效率不高
@H.Cheung 答案中的包名有误，是小写的t:GDAtools。并在此更正后安装。
@H.Cheung 在我的测试中，GDAtools::wtable 分别比Chuck P's 和我的解决方案快 140 倍和 180 倍。 df 的权重在 3000 到 5000 之间。