通过第二个因素变量的组合来总结一个因素变量

Question

我的数据是这样的

set.seed(89)
d <- data.frame(
  ID=seq(1, 100),
  Encounter=sample(c(1:50), 100, replace = TRUE), 
  EffortType=sample(c("A","B","C"), 100, replace = TRUE)
)

我认为 Encounter 变量是一个因素。

我想知道 EffortType 可能组合的频率。

我希望结果看起来像这样

EffortType      N
A               8
B               8
C               9
A,B             4
A,C             8
B,C             5
A,B,C           3

我还希望能够通过 EffortType 组合对数据进行子集化。例如，我最终会得到一个 EffortType A,B 的子集，看起来像这样

ID  Encounter    EffortType    
52  2            A
53  2            B
61  2            A
63  2            A
79  2            A
36  7            B
59  7            B
83  7            A
etc.

我确实尝试过重塑数据，以便我使用“mutate”为每个 EffortType 级别设置单独的变量，然后尝试计算每个组合的实例，但没有正确执行此操作，如下所示。在计数之前，我无法弄清楚如何通过遭遇“分组”。

d = mutate(d, 
              A = ifelse(grepl("A", EffortType), T, F),
              B = ifelse(grepl("B", EffortType), T, F),
              C = ifelse(grepl("C", EffortType), T, F))

d = data.table(d)
d[, .N, by = c('Encounter', 'A', 'B', 'C')]

但我最终没有得到我希望的摘要。请帮忙。谢谢。

Answer 1

这是您第一个问题的答案：

> library(tidyverse)
> d %>% arrange(Encounter) %>% 
    group_by(Encounter) %>% 
    distinct(EffortType) %>% 
    arrange(EffortType) %>% 
    summarize(Efforts=paste(EffortType,collapse=",")) %>% 
    group_by(Efforts) %>% tally()
# A tibble: 7 x 2
  Efforts     n
  <chr>   <int>
1 A           6
2 A,B         7
3 A,B,C       6
4 A,C         9
5 B           6
6 B,C         5
7 C           4

如果您将d 的上述处理保存为名为@9​​87654323@ 的数据框，您可以根据每个努力组合对数据进行子集化，例如对于A 和B 在z$Efforts[2] 中的组合：

> d %>% filter(EffortType %in% unlist(strsplit(z$Efforts[2],split=",")))
   ID Encounter EffortType
1   1        43          B
2   2        15          B
3   3         8          B
4   4        36          A
5   6         2          B
6   7        50          A

如果要按EffortType 排序，请在末尾添加%>% arrange(EffortType)。

Answer 2

我会为遭遇属性制作一个单独的表格：

library(data.table)
EncounterDT = d[, 
  .(tt = paste(sort(unique(EffortType)), collapse=" "))
, keyby=Encounter]

# count encounters by types
EncounterDT[, .N, keyby=tt][order(nchar(tt), tt)]

# subset d using a join
d[EncounterDT[tt == "A B", .(Encounter)], on=.(Encounter)]

如果您非常喜欢使用单个表，但是...

# add a repeating-value column
d[, tt := paste(sort(unique(EffortType)), collapse=" "), by=Encounter]

# count encounters by types
d[, uniqueN(Encounter), keyby=tt][order(nchar(tt), tt)]

# subset d based using the tt column
d[tt == "A B"]