总结 r 中分组变量的比例答案

【问题标题】：Summarise proportion of grouped variable in r总结 r 中分组变量的比例
【发布时间】：2020-05-02 17:25:21
【问题描述】：

我想总结一个分组变量，但我想得到总和作为每个组中数字的比例。这是一个例子：

创建以下数据框：

dat <- data.frame(year = c(rep(1970, 4), rep(1980, 4), rep(1990, 4)), 
                  country = rep(1:4, 3), 
                  change = c(0.1, 0.1, 0.1, -0.1, NA, 0.1, 0.1, 0.1, NA, NA, 0.1, 0.1))
> dat
   year country change
1  1970       1    0.1
2  1970       2    0.1
3  1970       3    0.1
4  1970       4   -0.1
5  1980       1     NA
6  1980       2    0.1
7  1980       3    0.1
8  1980       4    0.1
9  1990       1     NA
10 1990       2     NA
11 1990       3    0.1
12 1990       4    0.1

我可以计算出发生积极变化的国家/地区的数量：

dat %>%
  mutate(change.true = ifelse(change > 0, 1, 0)) %>%
  group_by(year) %>%
  summarise(count.positive = sum(change.true))

# A tibble: 3 x 2
   year count.positive
  <dbl>          <dbl>
1  1970              3
2  1980              3
3  1990              2

这表明出现积极变化的国家/地区数量稳定或减少。然而，这是有数据的国家数量减少的结果（我知道我需要谨慎处理缺失的数据）。我想探讨的是有数据的国家的比例是如何变化的。基本上我想要这个：

data.frame(year = c(1970, 1980, 1990), 
           prop.positive = c(0.75, 1, 1))
  year prop.positive
1 1970          0.75
2 1980          1.00
3 1990          1.00

如何修改汇总函数以便计算每个组的组大小？我很乐意用组大小改变另一列，然后计算比例，但不知道如何获得该组大小。不用说，我正在尝试为大量数据集执行此操作。

【问题讨论】：

这能回答你的问题吗？ dplyr to create aggregate percentages of factor levels

标签： r dplyr summarize

【解决方案1】：

我们可以利用na.rm从mean中得到比例，即得到逻辑表达式（change > 0）的mean，同时去掉`NA

library(dplyr)
dat %>% 
    group_by(year) %>% 
    summarise(prop.positive = mean(change > 0, na.rm = TRUE))
# A tibble: 3 x 2
#   year prop.positive
#  <dbl>         <dbl>
#1  1970          0.75
#2  1980          1   
#3  1990          1

如果缺少某些“国家”，那么我们可以对数据集执行complete 以获取缺失值，然后执行group_by summarise

library(tidyr)
dat %>%
  complete(year, country) %>%
  group_by(year) %>%
  summarise(prop.positive = mean(change > 0, na.rm = TRUE))

在base R，我们可以对aggregate做同样的事情

aggregate(cbind(prop.positive = change > 0) ~ year, dat,
           mean, na.rm = TRUE, na.action = na.pass)
#   year prop.positive
#1 1970          0.75
#2 1980          1.00
#3 1990          1.00

【讨论】：

谢谢，这是有道理的。但是，如果建立数据库的人不够勤奋，无法确保所有缺失的数据都由 NA 指示，而有些组只是其中的数据较少——即 1980 年只有国家 2、3、4；而 1990 年只有 3,4 个国家/地区？
@MorrisseyJ 然后你可以做一个complete 即dat %>% group_by(year) %>% complete(country = unique(dat$country)) 并做res

【解决方案2】：

这是一个基本的 R 解决方案

dat <- within(dat, prop.positive<-ave(change, year, FUN = function(x) mean(x>0,na.rm = T)))
datout <- unique(dat[c("year","prop.positive")])

这样

> datout
  year prop.positive
1 1970          0.75
5 1980          1.00
9 1990          1.00

【讨论】：