用所有因素组合的观测值汇总数据答案

【问题标题】：Summarize data with observations for all combinations of factors用所有因素组合的观测值汇总数据
【发布时间】：2020-03-21 19:20:13
【问题描述】：

有时需要一个完整的数据框，其中包含对所有分组因素组合的观察结果，即使原始数据中不存在这些因素（即通过用 NA 数据填补这些空白）。

考虑以下带有mtcars 的示例：

mtcars %>% group_by(cyl, gear) %>% dplyr::summarise(N = n())
# A tibble: 8 x 3
# Groups:   cyl [3]
    cyl  gear     N
  <dbl> <dbl> <int>
1     4     3     1
2     4     4     8
3     4     5     2
4     6     3     2
5     6     4     4
6     6     5     1
7     8     3    12
8     8     5     2

当按cyl 和gear 分组时，cyl=8 和gear=4 的观测值缺失。是否有可能以一种简单的、希望基于 tidyverse 的方式获得这个汇总表，其中包括一行对缺失的因素组合进行 NA 观察的行？例如。期望的输出是：

# A tibble: 9 x 3
# Groups:   cyl [3]
    cyl  gear     N
  <dbl> <dbl> <int>
1     4     3     1
2     4     4     8
3     4     5     2
4     6     3     2
5     6     4     4
6     6     5     1
7     8     3    12
8     8     4    NA
9     8     5     2

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

用ungroup去掉组属性后我们可以用complete

library(dplyr)
library(tidyr)
mtcars %>% 
    group_by(cyl, gear) %>%
    dplyr::summarise(N = n()) %>%
    ungroup %>%
    complete(cyl, gear)
# A tibble: 9 x 3
#    cyl  gear     N
#  <dbl> <dbl> <int>
#1     4     3     1
#2     4     4     8
#3     4     5     2
#4     6     3     2
#5     6     4     4
#6     6     5     1
#7     8     3    12
#8     8     4    NA
#9     8     5     2

或者另一种选择是使用列的唯一元素创建一个组合数据集，然后执行left_join（不像前一个那么简单）

crossing(cyl = unique(mtcars$cyl), gear = unique(mtcars$gear)) %>% 
    left_join(mtcars %>% 
                  group_by(cyl, gear) %>%
                  dplyr::summarise(N = n()))

【讨论】：

【解决方案2】：

如果您将组转换为因子并使用count（group_by 和summarise n() 的替代方案）和.drop = FALSE，它将完成缺失的观察。

library(dplyr)

mtcars %>% mutate_at(vars(cyl, gear), factor) %>% count(cyl, gear, .drop = FALSE)

#  cyl   gear      N
#  <fct> <fct> <int>
#1 4     3         1
#2 4     4         8
#3 4     5         2
#4 6     3         2
#5 6     4         4
#6 6     5         1
#7 8     3        12
#8 8     4         0
#9 8     5         2

【讨论】：