使用频率列创建计数表（）答案

【问题标题】：Creating a table() of counts using a frequency column使用频率列创建计数表（）
【发布时间】：2019-04-09 15:35:15
【问题描述】：

我已经从HairEyeColor 数据中创建了数据

HEC = as.data.frame(HairEyeColor)

这是生成带有频率列的数据框的快速方法，这是我的情况。

我需要创建类似这样的列联表：

          colhair
coleye black blond brunette red
blue      20    94       84  17
brown     68     7      119  26
green      5    16       29  14
hazel     15    10       54  14

注意：我不是在询问如何使用现有的 HairEyeColor 数据表，而是使用具有频率列的数据框。

我尝试了几种table()、xtabs() 和aggregate()，我能做的最好的就是得到行数。我似乎无法有效地使用频率列。

plyr 解决方案是不需要的。

【问题讨论】：

发布了答案，但只是此特定数据集的解决方法，HairEyeColor[,,1]+HairEyeColor[,,2]

标签： plyr r

【解决方案1】：

我们先汇总然后spread进行分组

library(tidyerse)
HEC %>% 
    group_by(Hair, Eye) %>% 
    summarise(Freq = sum(Freq)) %>%
    spread(Eye, Freq)

也可以单线完成

xtabs(Freq ~ Eye + Hair, HEC)

【讨论】：

【解决方案2】：

我们可以使用tapply()：

tapply(HEC$Freq, list(ColHair=HEC$Hair,ColEye=HEC$Eye), sum)


  #         ColEye
  # ColHair Brown Blue Hazel Green
  # Black    68   20    15     5
  # Brown   119   84    54    29
  # Red      26   17    14    14
  # Blond     7   94    10    16

或者使用data.table包：

library(data.table)
setDT(HEC)[,list(Freq=sum(Freq)),by=list(Hair, Eye)]

  #     Hair    Eye    Freq
  # 1:  Black   Brown   68
  # 2:  Brown   Brown  119
  # 3:    Red   Brown   26
  # 4:  Blond   Brown    7
  # 5:  Black   Blue    20
  # 6:  Brown   Blue    84
  # 7:    Red   Blue    17
  # 8:  Blond   Blue    94
  # 9:  Black   Hazel   15
  # 10: Brown   Hazel   54
  # 11:   Red   Hazel   14
  # 12: Blond   Hazel   10
  # 13: Black   Green    5
  # 14: Brown   Green   29
  # 15:   Red   Green   14
  # 16: Blond   Green   16

要以交叉表格式获取它：

HEC_tab <- dcast(setDT(HEC)[,list(Freq=sum(Freq)),by=list(Hair, Eye)], 
                                         Hair~Eye, value.var = "Freq")

setnames(HEC_tab , c("HairCol/EyeCol", names(HEC_tab)[-1]))

HEC_tab

  #   HairCol/EyeCol Brown Blue Hazel Green
  # 1:         Black    68   20    15     5
  # 2:         Brown   119   84    54    29
  # 3:           Red    26   17    14    14
  # 4:         Blond     7   94    10    16

【讨论】：