将具有计数的列联表转换为具有频率列的两列数据表

Question

我想在 R data.table 中输入频率表。

数据格式如下：

          Height
Gender    3      35
m       173     125
f       323     198

...其中表中的条目（173、125 等）是计数。

我有一个 2 x 2 表，我想把它变成两列 data.table。

数据来自对在高处筑巢的鸟类的研究。问题是不同性别的鸟是否喜欢特定的高度。

我认为频率表应该变成这样的：

    Gender height   N
      m      3     173
      m      35    125
      f      3     323
      f      35    198

但现在我不太确定。我想运行的一些模型需要逐项列出每个案例。

我可以在 R 中进行这种转换吗？理想情况下，我想要一种在两种格式之间来回切换的方法。

Answer 1

基于对 ?table 的评论。

1. 制作一个数据框 (x)，其中包含 Gender、Height 和 Freq 列，这将是您的 N 值。

2. 使用将其转换为表格

tabledata <- xtabs(Freq ~ ., x)

有许多基本函数可以处理这种数据，这显然比单独的行要紧凑得多。

同样来自 ?loglin this example using table。

 loglin(HairEyeColor, list(c(1, 2), c(1, 3), c(2, 3)))

Answer 2

谢谢大家（@simon 和@Elin）的帮助。我以为我正在进行一项民意调查，会得到诸如“从 4 行版本开始”或“从 719 行版本开始”之类的答案，你们都给了我一个完整的工具箱，其中包含从一个到另一个的方法。它真的很棒，内容丰富，而且远远超过调查应得的。

毫无疑问，我需要更加努力地工作，更明确地提出问题。我看到这个 boondoggle 获得的 -3 评级，明确了我没有向知识库添加任何内容的事实，因此将删除该问题以防止未来的搜索者找到这个问题。最近我的问题表现不佳，作为当年的前任教师、五本书的作者和统计学博士，我在 Stack Exchange 待了这么久，并站在这里与一个声望点。一。这意味着我对你的回答的赞成票不算数。

那个声望点应该是猩红色的。

---

这就是我的意思： 在书中，表达数据的常用方法是使用 2×2 表：

             Height 
 Gender     3     35 
    M      173   175 
    F      323   198 

我的 tic-tac-sized 思维看到了两种将其输入数据表的方法：

require(data.table)
GENDER <- c("m","m","f","f")
HEIGHT <- c(3, 35, 3, 35)
N <- c(173, 125, 323, 198)
SANDFLIERS <-data.table(GENDER, HEIGHT, N)

这给出了数据的四行平面文件/整洁表示：

   GENDER HEIGHT   N
1:      m      3 173
2:      m     35 125
3:      f      3 323
4:      f     35 198

另一种选择是制作一个 719 行的数据表，其中包含 173 个男性@3 英尺、125 个男性@35 英尺等。如果您使用 rep() 命令并仔细构建表列，这还不错。我讨厌做算术，所以我把其中一些数字留了下来。

# I need 173+125 males, and 323+198 females.
# One c(rep()) for "m", one c(rep() for "f", and one c() to merge them
gender <- c(c(rep("m", 173+25)), c(rep("f",(323+198))))

# Same here, except the c() functions are one level 'deeper'. I need two
# sets for males (at heights 3 and 35, 173 and 125 of each, respectively)
# and two sets for females (at heights 3 and 35, 323 and 198 respectively)
heights <-c(c(c(rep(3, 173)), c(rep(35,25))), c(c(rep(3, 323)), c(rep(35,198))))

当合并到 data.table 中时，会给出 719 行，每只观察到的鸟都有一个。

  1:      m       3
  2:      m       3
  3:      m       3
  4:      m       3
  5:      m       3
 ---               
715:      f      35
716:      f      35
717:      f      35
718:      f      35
719:      f      35

现在我有了两种格式的数据，我开始寻找进行绘图和分析的方法。

我可以使用719行的版本获得马赛克图，但是由于我的1点声誉，您看不到它

mosaicplot(table(sandfliers), COLOR=TRUE, margin, legend=TRUE)

Mosaic Plot

您可以使用 4 行版本获得气球图

Balloon Plot

所以我的问题是，对于那些在这类事情上有很多经验的人来说，你觉得 4 行或 719 行的桌子更常见吗？我可以从一个更改到另一个，但要添加到书中的代码更多（我再次听到我的编辑，“你在教统计，而不是 R”）。

所以，正如我在顶部所说的，这只是一个非正式的民意调查，关于一个是否比另一个更经常使用，或者初学者是否更适合使用一个。

Answer 3

这是列联表的形式。直接进入R并不容易，但可以按如下方式完成（基于http://cyclismo.org/tutorial/R/tables.html）：

> f <- matrix(c(173,125,323,198),nrow=2,byrow=TRUE)
> colnames(f) <- c(3,35)
> rownames(f) <- c("m","f")
> f <- as.table(f)
> f
    3  35
m 173 125
f 323 198

然后您可以使用以下方法创建计数或频率表：

> as.data.frame(f)
  Var1 Var2 Freq
1    m    3  173
2    f    3  323
3    m   35  125
4    f   35  198

R Cookbook 提供了一个简短的函数来转换为案例表（即单个项目的长列表），如下所示：

> countsToCases(as.data.frame(f))

...在哪里：

# Convert from data frame of counts to data frame of cases.
# `countcol` is the name of the column containing the counts
countsToCases <- function(x, countcol = "Freq") {
    # Get the row indices to pull from x
    idx <- rep.int(seq_len(nrow(x)), x[[countcol]])

    # Drop count column
    x[[countcol]] <- NULL

    # Get the rows from x
    x[idx, ]
}

...因此您可以将数据从任何起始格式转换为任何分析方法所需的格式。

（编辑）

另一种阅读列联表的方法是从如下文本开始：

> ss <- " 3      35
+ m       173     125
+ f       323     198"
> read.table(text=ss,row.name=1)
   X3 X35
m 173 125
f 323 198

除了使用text =，您还可以使用文件名从（例如）CSV 文件中读取表格。