如何使用 dplyr 在一次分析中分析分组和未分组的数据集

Question

这是我的第一个 stackoverflow 问题。

我正在尝试使用 dplyr 来处理和输出按我的数据集中的分类变量 (inj_length_cat3) 分组的数据摘要。实际上，我使用 mutate() 动态生成了这个变量（来自 inj_length）。我还想输出相同的数据摘要没有分组。我想出如何做到这一点的唯一方法是进行两次分析，一次有，一次没有分组，然后合并输出。呃。

我确信有比这更优雅的解决方案，它让我很烦恼。我想知道是否有人可以提供帮助。

谢谢！

library(dplyr)
df<-data.frame(year=sample(c(2005,2006),20,replace=T),inj_length=sample(1:10,20,replace=T),hiv_status=sample(0:1,20,replace=T))

tmp <- df  %>% 
  mutate(inj_length_cat3 = cut(inj_length, breaks=c(0,3,100), labels = c('<3 years','>3 years')))%>%
  group_by(year,inj_length_cat3)%>%
  summarise(
    r=sum(hiv_status,na.rm=T),
    n=length(hiv_status),
    p=prop.test(r,n)$estimate,
    cilow=prop.test(r,n)$conf.int[1],
    cihigh=prop.test(r,n)$conf.int[2]
  ) %>% 
  filter(inj_length_cat3%in%c('<3 years','>3 years'))

tmp_all <- df  %>% 
  group_by(year)%>%
  summarise(
    r=sum(hiv_status,na.rm=T),
    n=length(hiv_status),
    p=prop.test(r,n)$estimate,
    cilow=prop.test(r,n)$conf.int[1],
    cihigh=prop.test(r,n)$conf.int[2]
  )

tmp_all$inj_length_cat3=as.factor('All')
tmp<-merge(tmp_all,tmp,all=T)

Answer 1

我不确定您是否认为这更优雅，但如果您首先创建一个包含所有数据的数据框两次，您可以获得一个可行的解决方案：一次是为了获取子组，一次是为了获取整体摘要：

df1 <- rbind(df,df)
df1$inj_length_cat3 <- cut(df$inj_length, breaks=c(0,3,100,Inf),
                           labels = c('<3 years','>3 years','All'))
df1$inj_length_cat3[-(1:nrow(df))] <- "All"

现在您只需要在没有mutate() 的情况下运行您的第一个分析：

tmp <- df1  %>% 
  group_by(year,inj_length_cat3)%>%
  summarise(
    r=sum(hiv_status,na.rm=T),
    n=length(hiv_status),
    p=prop.test(r,n)$estimate,
    cilow=prop.test(r,n)$conf.int[1],
    cihigh=prop.test(r,n)$conf.int[2]
  ) %>% 
  filter(inj_length_cat3%in%c('<3 years','>3 years','All'))