如何计算 R 中每个变量和值之间的关联？

Question

我有一个包含 31 列 (V1:V31) 的大型数据框和大量具有不同 V1:V31 组合的行。 NA 表示该变量何时不是组合的一部分。下面的示例是我的数据的一个子集，其中只有前 8 个变量和前 5 个组合。我将每个变量的值分为低/中/高。

   V1  V2   V3   V4   V5   V6   V7   V8 
1 Low Low High <NA> <NA> <NA> <NA> <NA>
2 Low Low <NA> High <NA> <NA> <NA> <NA> 
3 Low Low <NA> <NA> High <NA> <NA> <NA> 
4 Low Low <NA> <NA> <NA> <NA> High <NA> 
5 Low Low <NA> <NA> <NA> <NA> <NA> High 

我试图找到的是具有一个值（低/中/高）的变量与另一个变量的值（低/中/高）相关联的次数。

例如：

当 V1 低时，V2 低/中/高的频率是多少？

当 V1 中时，V2 低/中/高的频率是多少？

当 V1 高时，V2 低/中/高的频率是多少？

当 V2 低时，V3 低/中/高的频率如何？

等等。

预期结果：

V1low <- data.frame()

   Low Mid High    
V2 11  3   4 
V3 45  5   34 
V4 3   67  5 
V5 6   45  5 

V1mid<- data.frame()

   Low Mid High    
V2 11  3   4 
V3 45  5   34 
V4 3   67  5 
V5 6   45  5 

V1high<- data.frame()

   Low Mid High    
V2 11  3   4 
V3 45  5   34 
V4 3   67  5 
V5 6   45  5 

V2low<- data.frame()

   Low Mid High    
V3 11  3   4 
V4 45  5   34 
V5 3   67  5 
V6 6   45  5 

我该如何解决这个问题？

使用@dario 的解决方案进行编辑：

> results <- table(Pvart2$V1, Pvart2$V2, Pvart2$V3, Pvart2$V4, useNA="always",deparse.level = 2)
> results
, , Pvart2$V3 = High, Pvart2$V4 = High

         Pvart2$V2
Pvart2$V1 High  Low  Med <NA>
     High    0    0    0    0
     Low     0    0    0    0
     Med     0    0    0    0
     <NA>    0    0    0    2

在高于两个维度的情况下，每个数据帧的条件变得过高，导致结果过多。上面的示例在 V3 为高电平且 V4 为高电平时查找 V1 和 V2 的值。但是在我拥有的 2700 行组合中，这个条件永远不会满足。成对方面也会产生很多我无法快速查看的数据。对于每个低 V1，像预期结果这样的东西会更易于管理，它告诉我每个变量 V1 与多少低/中/高相关联。

Answer 1

不确定我是否理解您的问题，但我认为您可以使用 table 来做到这一点：

创建一个最小的示例data.frame：

df <- data.frame(V1= c("low", "mid", "low", "high", "low"),
                 V2=c("mid", "high", NA, "high", "mid"),
                 V3=c("high", NA, "mid", "mid", "mid"),
                 stringsAsFactors = FALSE)

使用table 显示变量值对的频率。

table(df$V1, df$V2, useNA="always",deparse.level = 2)

我们还可以传递两个以上的“维度”：

table(df$V1, df$V2, df$V3, useNA="always",deparse.level = 2)

编辑：

使用 dplyr 进行自定义选择的“手动”频率表

df2 <- data.frame(V1= c("low", "mid", "low", "high", "low"),
                 V2=c("mid", "high", NA, "high", "mid"),
                 V3=c("mid", NA, "mid", "mid", "mid"),
                 stringsAsFactors = FALSE)


library(dplyr)

df2 %>% 
  filter(V1 == "low") %>%
  group_by(V1, V2, V3) %>% 
    summarise(N = n())