R中有几个变量的频率表答案

【问题标题】：frequency table with several variables in RR中有几个变量的频率表
【发布时间】：2012-08-04 20:21:29
【问题描述】：

我正在尝试复制官方统计数据中经常使用的表格，但到目前为止没有成功。给定一个像这样的数据框：

d1 <- data.frame( StudentID = c("x1", "x10", "x2", 
                          "x3", "x4", "x5", "x6", "x7", "x8", "x9"),
             StudentGender = c('F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M', 'M'),
             ExamenYear    = c('2007','2007','2007','2008','2008','2008','2008','2009','2009','2009'),
             Exam          = c('algebra', 'stats', 'bio', 'algebra', 'algebra', 'stats', 'stats', 'algebra', 'bio', 'bio'),
             participated  = c('no','yes','yes','yes','no','yes','yes','yes','yes','yes'),  
             passed      = c('no','yes','yes','yes','no','yes','yes','yes','no','yes'),
             stringsAsFactors = FALSE)

我想创建一个表格，显示 PER YEAR 、所有学生（全部）和女性人数、参与人数和通过人数。请注意以下“其中”是指所有学生。

我心目中的表格应该是这样的：

cbind(All = table(d1$ExamenYear),
  participated      = table(d1$ExamenYear, d1$participated)[,2],
  ofwhichFemale     = table(d1$ExamenYear, d1$StudentGender)[,1],
  ofwhichpassed     = table(d1$ExamenYear, d1$passed)[,2])

我确信在 R 中有更好的方法来处理这种事情。

注意：我见过 LaTex 解决方案，但我不使用这对我有用，因为我需要在 Excel 中导出表格。

提前致谢

【问题讨论】：

标签： r aggregate frequency

【解决方案1】：

使用plyr：

require(plyr)
ddply(d1, .(ExamenYear), summarize,
      All=length(ExamenYear),
      participated=sum(participated=="yes"),
      ofwhichFemale=sum(StudentGender=="F"),
      ofWhichPassed=sum(passed=="yes"))

这给出了：

  ExamenYear All participated ofwhichFemale ofWhichPassed
1       2007   3            2             2             2
2       2008   4            3             2             3
3       2009   3            3             0             2

【讨论】：

谢谢。非常感谢。我肯定会学习 plyr。
不错的答案，但比@csgillespie 晚一分钟。
@Jilber，我想你的意思是提前一分钟。您的评论中不应有“但是”。

【解决方案2】：

plyr 包非常适合这种事情。先加载包

library(plyr)

然后我们使用ddply函数：

ddply(d1, "ExamenYear", summarise, 
      All = length(passed),##We can use any column for this statistics
      participated = sum(participated=="yes"),
      ofwhichFemale = sum(StudentGender=="F"),
      ofwhichpassed = sum(passed=="yes"))

基本上，ddply 需要一个数据帧作为输入并返回一个数据帧。然后我们通过ExamenYear 拆分输入数据帧。在每个子表上，我们计算一些汇总统计信息。请注意，在 ddply 中，我们在引用列时不必使用 $ 表示法。

【讨论】：

【解决方案3】：

可能对您的代码进行了一些修改（使用with 来减少df$ 调用的数量，并使用字符索引来改进自我文档），以使其更易于阅读并成为有价值的竞争对手到ddply 解决方案：

with( d1, cbind(All = table(ExamenYear),
  participated      = table(ExamenYear, participated)[,"yes"],
  ofwhichFemale     = table(ExamenYear, StudentGender)[,"F"],
  ofwhichpassed     = table(ExamenYear, passed)[,"yes"])
     )

     All participated ofwhichFemale ofwhichpassed
2007   3            2             2             2
2008   4            3             2             3
2009   3            3             0             2

我希望这比 ddply 解决方案快得多，尽管只有在处理更大的数据集时才会明显。

【讨论】：

【解决方案4】：

您可能还想看看 plyr 的下一个迭代器：dplyr

它使用类似于 ggplot 的语法，并通过用 C++ 编写关键部分来提供快速性能。

d1 %.% 
group_by(ExamenYear) %.%    
summarise(ALL=length(ExamenYear),
          participated=sum(participated=="yes"),
          ofwhichFemale=sum(StudentGender=="F"),
          ofWhichPassed=sum(passed=="yes"))

【讨论】：