总结数据框中的因素答案

【问题标题】：Summarising Factors in Dataframe总结数据框中的因素
【发布时间】：2011-11-18 09:26:54
【问题描述】：

我的数据集如下：http://dl.dropbox.com/u/822467/Data.csv

我的情况是这样的。我有一系列问题（总共 27 个），其中的响应本质上是二元的。 0=否，1=是，999=缺失。

我的第一个问题是如何将所有列变成因子。我可以使用as.factors 一个一个地完成它们，但这需要很长时间。

我的第二个问题是我需要一个摘要，其中问题作为标题，是和否作为第一列，并且单元格填充了每个问题的是和否的频率。

我还需要另一个带有 %.非常感谢我能得到的任何帮助。我查看了 Hmisc 的包 summarise 和 summary 等都无济于事。

【问题讨论】：

如果您展示您已经完成的工作，我会更愿意提供帮助。否则感觉有点像是在寻求免费的技术支持。
您的 Dropbox 链接已失效。请粘贴几行示例 CVS 文件。否则答案只对你有意义，对我们其他人没有意义。

标签： r summary r-factor

【解决方案1】：

四行代码...

dat <- read.csv("http://dl.dropbox.com/u/822467/Data.csv")
dat[, -1] <- lapply(dat[, -1], factor, levels=c(0, 1, 999), 
    labels=c("No", "Yes", NA))
xx <- do.call(rbind, lapply(dat[, -1], table, useNA="always"))
cbind(xx, sum=rowSums(xx), prop.table(xx, margin=1))

...产生这个结果：

    No Yes <NA> sum       No      Yes     <NA>
Q1   7  57    0  64 0.109375 0.890625 0.000000
Q2  40  22    2  64 0.625000 0.343750 0.031250
Q3  28  36    0  64 0.437500 0.562500 0.000000
Q4  43  18    3  64 0.671875 0.281250 0.046875
Q5  24  39    1  64 0.375000 0.609375 0.015625
Q6  21  42    1  64 0.328125 0.656250 0.015625
Q7  15  49    0  64 0.234375 0.765625 0.000000
Q8   4  60    0  64 0.062500 0.937500 0.000000
Q9  60   4    0  64 0.937500 0.062500 0.000000
Q10 39  25    0  64 0.609375 0.390625 0.000000
Q11 55   8    1  64 0.859375 0.125000 0.015625
Q12 20  44    0  64 0.312500 0.687500 0.000000
Q13 49  15    0  64 0.765625 0.234375 0.000000
Q14 49  15    0  64 0.765625 0.234375 0.000000
Q15 51  13    0  64 0.796875 0.203125 0.000000
Q16 61   3    0  64 0.953125 0.046875 0.000000
Q17 41  23    0  64 0.640625 0.359375 0.000000
Q18 60   4    0  64 0.937500 0.062500 0.000000
Q19 64   0    0  64 1.000000 0.000000 0.000000
Q20 60   4    0  64 0.937500 0.062500 0.000000
Q21 60   4    0  64 0.937500 0.062500 0.000000
Q22 43  21    0  64 0.671875 0.328125 0.000000
Q23 59   4    1  64 0.921875 0.062500 0.015625
Q24 10  54    0  64 0.156250 0.843750 0.000000
Q25 54   9    1  64 0.843750 0.140625 0.015625
Q26 24  39    1  64 0.375000 0.609375 0.015625
Q27  0   0   64  64 0.000000 0.000000 1.000000

【讨论】：

我注意到问题 19 显示 64 表示是和否。对其进行故障排除，它归结为 apply(dat[, -1], 2, table) ，它产生 64 表示“否”，“没有”表示“是”。任何想法如何获得“申请”以产生 0 表示是？
@RJ- 答案已编辑为使用 lapply 而不是 apply - 这修复了 Q19

【解决方案2】：

要将所有列转换为因子，您可以使用 lapply 并转换回 data.frame，因为 data.frames 与列表非常相似：

tab <- read.csv("Data.csv")
tab <- as.data.frame(lapply(tab, as.factor))

对于其余部分，我同意 Andrie 的评论...您是否尝试过 table 功能？你可能会感兴趣。

【讨论】：

感谢@Andrie。注意到你的 cmets 关于放下我尝试过的东西。下次发帖时会记住这一点。

【解决方案3】：

这是使用reshape2 的另一种解决方案。

dat  <- read.csv("http://dl.dropbox.com/u/822467/Data.csv")
dat2 <- setNames(dcast(melt(dat, 1), variable ~ value), c('Q', 'No', 'Yes', NA))
dat2[,-1] = dat2[,-1]/rowSums(dat2[,-1])

【讨论】：