如何计算r中每个变量中某些观察值的比例？答案

【问题标题】：how to calculate the proportion of certain observations in each variable in r?如何计算r中每个变量中某些观察值的比例？
【发布时间】：2017-09-27 01:15:29
【问题描述】：

我有数据框（populations1），它由 1100 万行（观察）和 11 列（个人）组成。我的数据框的前几行如下所示：

> head(population1)
  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11
1  7  3 NA NA 10 NA NA NA NA  NA  NA
2 14 11  7 NA 12  3  4  5 14   3   6
3 13 11  7 NA 11  4 NA  4 13   3   4
4  3 NA  4  5  4 NA NA  6 17  NA   7
5  3 NA  5  5  4 NA NA  7 20  NA   8
6  6 NA  3  6 NA NA NA  5 16  NA  10

对于每个人，我想估计值超过 5 的观察值的比例。在 R 中有没有简单的解决方案？

【问题讨论】：

标签： r dataframe

【解决方案1】：

这是一个使用sapply 将函数应用于每一列的解决方案。该函数定义为统计有多少个观测值大于 5，然后除以 x 的长度。

sapply(dt, function(x) sum(x > 5, na.rm = TRUE)/length(x))
       V1        V2        V3        V4        V5        V6        V7        V8        V9       V10 
0.6666667 0.3333333 0.3333333 0.1666667 0.5000000 0.0000000 0.0000000 0.3333333 0.8333333 0.0000000 
      V11 
0.6666667

数据

dt <- read.table(text = "  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11
1  7  3 NA NA 10 NA NA NA NA  NA  NA
                 2 14 11  7 NA 12  3  4  5 14   3   6
                 3 13 11  7 NA 11  4 NA  4 13   3   4
                 4  3 NA  4  5  4 NA NA  6 17  NA   7
                 5  3 NA  5  5  4 NA NA  7 20  NA   8
                 6  6 NA  3  6 NA NA NA  5 16  NA  10",
                 header = TRUE)

【讨论】：

这在较大的 11M x 11 集上运行也很快——据我估计大约需要 1 秒。
@Anna1364 也许lapply(datalist, function(dt){sapply(dt, function(x) sum(x > 5, na.rm = TRUE)/length(x))}).

【解决方案2】：

这是一个使用tidyverse的选项

library(dplyr)
pop1 %>%
     summarise_all(funs(sum(.>5, na.rm = TRUE)/n()))
#         V1        V2        V3        V4  V5 V6 V7        V8        V9 V10       V11
#1 0.6666667 0.3333333 0.3333333 0.1666667 0.5  0  0 0.3333333 0.8333333   0 0.6666667

如果我们需要 vector 那么 unlist 它

pop1 %>%
    summarise_all(funs(sum(.>5, na.rm = TRUE)/n())) %>%
    unlist(., use.names = FALSE)

【讨论】：