R通过一个变量聚合然后找出每列的比例

Question

对不起，我已经尽力了，但我没有找到答案。作为初学者，我不确定我能否清楚地提出问题。提前致谢。

所以我有一个数据框，其中包含 24000 行的消费数据。 在这个数据框中，有一系列关于过去两个月内购买的物品数量的变量：
NumberOfCoat、NumberOfShirt、NumberOfPants、NumberOfShoes...
并且有一个通过数字注册的变量“职业”。

所以现在数据看起来像这样

            profession  NumberOfCoat  NumberOfShirt  NumberOfShoes
individu1       1              1             1             1
individu2       3              2             4             1
individu3       2              2             0             0
individu4       6              0             3             2
individu5       5              0             2             3
individu6       7              1             0             5
individu7       4              3             1             2

我想了解各职业的消费结构，得到这样的结果：

           ProportionOfCoat  ProportionOfShirt  ProportionOfShoe...
profession1       0.3                0.5                0.1
profession2       0.1                0.2                0.4
profession3       0.2                0.6                0.1
profession4       0.1                0.1                0.2

不知道是不是很清楚，但最后我想说：

医生购买的服装产品中有 10% 是 T 恤，而教师购买的服装中有 20% 是 T 恤。

最后，我想绘制一个堆叠条形图，其中每个堆叠都缩放为总和为 100%。 我想我们可以 dplyr 吗？

非常感谢！！

Answer 1

temp <- aggregate( . ~ profession, data=zzz, FUN=sum)
cbind(temp[1],temp[-1]/rowSums(temp[-1]))

或者也使用 prop.table

Answer 2

正如其他人所说，发布一个可重现的示例总是更好，我将尝试发布一个带有我的解决方案的示例，该示例比已经发布的示例更长，但出于同样的原因，可能更清晰。

首先你应该创建一个示例数据框：

set.seed(10) # I set a seed cause I´ll use the sample() function
n <- 1:100 # vector from 1 to 100 to obtain the number of products bought
p <- 1:8 # vector for obtaining id of professions
profession <- sample(p,50, replace = TRUE)
NumberOfCoat <- sample(n,50, replace = TRUE)
NumberOfShirt <- sample(n,50, replace = TRUE)
NumberOfShoes <- sample(n,50, replace = TRUE)

df <- as.data.frame(cbind(profession, NumberOfCoat, 
                      NumberOfShirt, NumberOfShoes))

获得数据框后，您可以解释到目前为止您尝试过的内容或可能的解决方案。这里我使用了dplyr。

df <- df %>% group_by(profession) %>% summarize(coats = sum(NumberOfCoat),
                                            shirts = sum(NumberOfShirt),
                                            shoes = sum(NumberOfShoes)) %>%
             mutate(tot_prod = coats + shirts + shoes,
                    ProportionOfCoat = coats/tot_prod,
                    ProportionOfShirt = shirts/tot_prod,
                    ProportionofShoes = shoes/tot_prod) %>%
            select(profession, ProportionOfCoat, ProportionOfShirt, 
                   ProportionofShoes)

df对应于您显示的第二个数据框，其中您有每个专业购买的每种产品的比例。在我的示例中如下所示：

 profession ProportionOfCoat ProportionOfShirt ProportionofShoes
       <int>            <dbl>             <dbl>             <dbl>
1          1        0.3910483         0.2343934         0.3745583
2          2        0.4069641         0.3525571         0.2404788
3          3        0.3330804         0.3968134         0.2701062
4          4        0.2740657         0.3952435         0.3306908
5          5        0.2573991         0.3784753         0.3641256
6          6        0.2293814         0.3543814         0.4162371
7          7        0.2245841         0.3955638         0.3798521
8          8        0.2861635         0.3490566         0.3647799

如果要生成堆叠条形图，则必须将数据重新整形为长格式才能使用ggplot2。正如@alistaire 所说，您可以使用tidyr 包中的gather 函数来实现。

df <- df %>% gather(product, proportion, -profession) 

最后你可以用ggplot2 绘制它。

ggplot(df, aes(x=profession, y=proportion, fill=product)) + 
       geom_bar(stat="identity")