将因子水平中的频率转换为百分比答案

【问题标题】：Transform frequencies in factor levels into percentages将因子水平中的频率转换为百分比
【发布时间】：2015-10-17 21:21:52
【问题描述】：

考虑以下数据框：

x <-c(rep (c ("s1", "s2", "s3"),each=5 ))
y <- c(rep(c("a", "b", "c", "d", "e"), 3) )               
z<-c(1:15)    

x_name <- "dimensions"
y_name <- "aspects"
z_name<-"value"
df <- data.frame(x,y,z)
names(df) <- c(x_name,y_name, z_name)

如何计算并为每个因子水平添加一个新的百分比列？在这种情况下，'value' 与 'dimension' 之间的每个 'aspects' 的百分比是这样的：

为了说明：percentage 中的 7 表示从 aspects 下对应于 dimension s1（本例中为 15）等值的总和中取出的 value 1 的百分比。

我搜索了论坛，但创建百分比的答案只包含一列而不是两列。我最终制作了这个专栏，首先使用aggregate 计算跨维度方面的单独df 总值。然后我将初始df 与带有merge 的新@ 合并，并通过将值列除以总值来创建一个百分比列。但我觉得这很笨拙。有没有更简单的方法来做到这一点？

【问题讨论】：

标签： r aggregate

【解决方案1】：

您可以使用round 和快速的data.table 方法：

library(data.table)
setDT(df)[,percentage:=round(100*value/sum(value)), dimensions][]

#   dimensions aspects value percentage
# 1:         s1       a     1          7
# 2:         s1       b     2         13
# 3:         s1       c     3         20
# 4:         s1       d     4         27
# 5:         s1       e     5         33
# 6:         s2       a     6         15
# 7:         s2       b     7         18
# 8:         s2       c     8         20
# 9:         s2       d     9         22
#10:         s2       e    10         25
#11:         s3       a    11         17
#12:         s3       b    12         18
#13:         s3       c    13         20
#14:         s3       d    14         22
#15:         s3       e    15         23

【讨论】：

【解决方案2】：

在基础 R 中，您可以使用 ave 进行这些分组计算：

df$percentage <- ave(df$value, df$dimensions, FUN=function(x) 100*x/sum(x))
df
#    dimensions aspects value percentage
# 1          s1       a     1   6.666667
# 2          s1       b     2  13.333333
# 3          s1       c     3  20.000000
# 4          s1       d     4  26.666667
# 5          s1       e     5  33.333333
# 6          s2       a     6  15.000000
# 7          s2       b     7  17.500000
# 8          s2       c     8  20.000000
# 9          s2       d     9  22.500000
# 10         s2       e    10  25.000000
# 11         s3       a    11  16.923077
# 12         s3       b    12  18.461538
# 13         s3       c    13  20.000000
# 14         s3       d    14  21.538462
# 15         s3       e    15  23.076923

在 dplyr 中你可以使用 group_by 和 mutate:

library(dplyr)
df %>% group_by(dimensions) %>% mutate(percentage=100*value/sum(value))
# Source: local data frame [15 x 4]
# Groups: dimensions [3]
# 
#    dimensions aspects value percentage
#        (fctr)  (fctr) (int)      (dbl)
# 1          s1       a     1   6.666667
# 2          s1       b     2  13.333333
# 3          s1       c     3  20.000000
# 4          s1       d     4  26.666667
# 5          s1       e     5  33.333333
# 6          s2       a     6  15.000000
# 7          s2       b     7  17.500000
# 8          s2       c     8  20.000000
# 9          s2       d     9  22.500000
# 10         s2       e    10  25.000000
# 11         s3       a    11  16.923077
# 12         s3       b    12  18.461538
# 13         s3       c    13  20.000000
# 14         s3       d    14  21.538462
# 15         s3       e    15  23.076923

可以通过将百分比计算包装在round 函数中并传递所需的精度来执行所需的任何类型的舍入。

【讨论】：