在不知道 R 中的 ID 的情况下，如何根据唯一 ID 汇总列？

Question

我一直在浏览有关汇总数据的帖子，但似乎没有找到我想要的东西。

我希望创建一个汇总“计数表”，让我可以查看给患者服用某种药物的频率。一些患者同时接受多种药物的事实并不重要，因为我只想要一个所有药物的摘要，然后计算每个药物类别占所有药物的百分比。问题是，我不知道可能给予的药物的名称，它们被“隐藏”在data.frame 的某个地方，因此，我必须指定 R 必须首先查看哪些列才能创建一个“ list”，然后它可以通过它来汇总列。

我预计这指向plyr 包，但我尝试正确使用其中的功能直到现在还没有奏效。

我的df 看起来像这样

x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df<-data.frame(x,y,z)
head(df)
  x y z
1 a a f
2 a c d
3 b b e
4 c d b
5 a a b
6 c d d

如您所见，data.frame 包含三列，它们有相同但也有不同的字母，表示所用药物的名称。

我现在想做的是创建一个独特字符列表，

unique(x)
unique(y)
unique(z)

作为我的参考列表，R 可以通过它总结每列中的计数。

summary(df)

返回每列计数的摘要，但不返回每个 ID 本身的摘要，也没有所有唯一计数的百分比。

我还尝试了以下方法，方向正确，但理想情况下，我希望有一个独特字符列表，我可以将其提供给 length 参数

ddply(df, .(x), summarize, counts=length(unique(y)))

知道我该怎么做吗？非常感谢帮助。

Answer 1

如果您只想计算整个数据帧的数量，可以使用table(unlist(df))（另请参阅@goctlr 的答案）& 如果您还想获得概率：prop.table(table(unlist(df)))。如果您还想获取各个列的计数，则变得更加困难。

为了获取每列的计数和总计数，我编写了以下函数：

# some reproducible data:
set.seed(1)
x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df <- data.frame(x,y,z)

# the function
func <- function(x) {
  x2 <- data.frame()
  nms <- names(x)
  id <- sort(unique(unlist(x)))
  for(i in 1:length(id)) {
    for(j in 1:length(nms)) {
      x2[i,j] <- sum(x[,j] %in% id[i])
    }
  }
  names(x2) <- nms
  x2$total <- rowSums(x2)
  x2 <- cbind(id,x2)
  assign("dat", x2, envir = .GlobalEnv)
}

使用func(df) 执行函数将在您的全局环境中为您提供一个数据框dat：

> dat
  id x y z total
1  a 4 4 3    11
2  b 5 5 2    12
3  c 5 4 4    13
4  d 6 4 5    15
5  e 0 3 5     8
6  f 0 0 1     1

之后，您可以使用例如dplyr 包计算百分比：

library(dplyr)
dat <- dat %>% mutate(xperc=round(100*x/sum(total),1),
                      yperc=round(100*y/sum(total),1),
                      zperc=round(100*z/sum(total),1),
                      perc=round(100*total/sum(total),1))

导致：

> dat
  id x y z total xperc yperc zperc perc
1  a 4 4 3    11   6.7   6.7   5.0 18.3
2  b 5 5 2    12   8.3   8.3   3.3 20.0
3  c 5 4 4    13   8.3   6.7   6.7 21.7
4  d 6 4 5    15  10.0   6.7   8.3 25.0
5  e 0 3 5     8   0.0   5.0   8.3 13.3
6  f 0 0 1     1   0.0   0.0   1.7  1.7

Answer 2

对于整个数据框的计数摘要，您可以取消列出数据框，然后调用表函数：

table(unlist(df))

要获得总计数的百分比，保存结果并使用 prop.table 函数：

tout <- table(unlist(df))
prop.table(tout)