以编程方式创建新变量，这些变量是其他变量的嵌套系列之和

Question

我的数据显示了某些群体中具有不同教育程度的人的百分比：

df <- data_frame(group = c("A", "B"),
             no.highschool = c(20, 10),
             high.school = c(70,40),
             college = c(10, 40),
             graduate = c(0,10))

df
    # A tibble: 2 x 5
  group no.highschool high.school college graduate
  <chr>         <dbl>       <dbl>   <dbl>    <dbl>
1 A               20.         70.     10.       0.
2 B               10.         40.     40.      10.

例如，在 A 组中，70% 的人受过高中教育。

我想生成 4 个变量，让我知道每组中受教育程度低于 4 级的人的比例（例如，lessthan_no.highschool、lessthan_high.school 等）。

想要的 df 是：

desired.df <- data.frame(group = c("A", "B"),
                     no.highschool = c(20, 10),
                     high.school = c(70,40),
                     college = c(10, 40),
                     graduate = c(0,10),
                     lessthan_no.highschool = c(0,0),
                     lessthan_high.school = c(20, 10),
                     lessthan_college = c(90, 50),
                     lessthan_graduate = c(100, 90))

在我的实际数据中，我有很多群体和更多的教育水平。当然，我可以一次执行一个变量，但是我如何使用tidyverse 工具以编程方式（并且优雅地）执行此操作？

我会首先在map() 中执行mutate_at() 之类的操作，但我遇到的问题是每个新变量的总和变量列表都不同。您可以将新变量列表及其对应变量作为两个列表相加到pmap()，但如何简洁地生成第二个列表并不明显。想知道是否有某种嵌套解决方案...

Answer 1

这是一个基本的 R 解决方案。虽然问题要求tidyverse 一个，但考虑到 cmets 中对问题的对话，我决定发布它。
它使用apply 和cumsum 来完成艰苦的工作。然后在cbind进入最终结果之前存在一些外观问题。

tmp <- apply(df[-1], 1, function(x){
    s <- cumsum(x)
    100*c(0, s[-length(s)])/sum(x)
})
rownames(tmp) <- paste("lessthan", names(df)[-1], sep = "_")
desired.df <- cbind(df, t(tmp))

desired.df
#  group no.highschool high.school college graduate lessthan_no.highschool
#1     A            20          70      10        0                      0
#2     B            10          40      40       10                      0
#  lessthan_high.school lessthan_college lessthan_graduate
#1                   20               90               100
#2                   10               50                90

Answer 2

我怎样才能使用 tidyverse 工具以编程方式（优雅地）做到这一点？

毫无疑问，第一步是整理您的数据。列名中的编码信息（如 edu 级别）不整齐。当您将education 转换为因子时，请确保级别的顺序正确 - 我使用了它们在原始数据列名称中出现的顺序。

library(tidyr)
tidy_result = df %>% gather(key = "education", value = "n", -group) %>%
  mutate(education = factor(education, levels = names(df)[-1])) %>%
  group_by(group) %>%
  mutate(lessthan_x = lag(cumsum(n), default = 0) / sum(n) * 100) %>%
  arrange(group, education)
tidy_result
# # A tibble: 8 x 4
# # Groups:   group [2]
#   group education         n lessthan_x
#   <chr> <fct>         <dbl>      <dbl>
# 1 A     no.highschool    20          0
# 2 A     high.school      70         20
# 3 A     college          10         90
# 4 A     graduate          0        100
# 5 B     no.highschool    10          0
# 6 B     high.school      40         10
# 7 B     college          40         50
# 8 B     graduate         10         90

这给了我们一个漂亮、整洁的结果。如果你想将spread/cast 这个数据转换成你不整洁的desired.df 格式，我建议使用data.table::dcast，因为（据我所知）tidyverse 并没有提供一个很好的方式来传播多列。请参阅Spreading multiple columns with tidyr 或How can I spread repeated measures of multiple variables into wide format? 了解data.table 解决方案或不优雅的tidyr/dplyr 版本。在传播之前，您可以创建一个密钥less_than_x_key = paste("lessthan", education, sep = "_")。