R：按所有因子水平汇总（存在和不存在）

Question

我可以将data.frame 与dplyr 简单地聚合为以下内容：

z <- data.frame(a = rnorm(20), b = rep(letters[1:4], each = 5))

library(dplyr)

z %>%
  group_by(b) %>%
  summarise(out = n())

Source: local data frame [4 x 2]

       b   out
  (fctr) (int)
1      a     5
2      b     5
3      c     5
4      d     5

但是，有时数据集可能会缺少一个因素。在这种情况下，我希望输出为0。

例如，假设典型的数据集应该有 5 个组。

z$b <- factor(z$b, levels = letters[1:5])

但很明显，这个特定中没有任何内容，但可能在另一个中。我怎样才能聚合这些数据，所以缺少factors 的length 是0。

期望的输出：

Source: local data frame [4 x 2]

       b   out
  (fctr) (int)
1      a     5
2      b     5
3      c     5
4      d     5
5      e     0

Answer 1

解决此问题的一种方法是使用“tidyr”中的complete。您必须首先使用mutate 来分解“b”列：

library(dplyr)
library(tidyr)

z %>%
  mutate(b = factor(b, letters[1:5])) %>%
  group_by(b) %>%
  summarise(out = n()) %>%
  complete(b, fill = list(out = 0))
# Source: local data frame [5 x 2]
# 
#        b   out
#   (fctr) (dbl)
# 1      a     5
# 2      b     5
# 3      c     5
# 4      d     5
# 5      e     0

Answer 2

一种解决方法是加入一个包含所有级别的表：

z <- full_join(z, data.frame(b=levels(z$b))

这会将分析变量的所有缺失行设置为 NA，在一般情况下，这比将它们设置为零更有意义。如有必要，您可以使用 z[is.na(z)] <- 0 将它们更改为零。

Answer 3

你可以使用 xtabs：

xtabs(a ~ b, z)

这会聚合 z$b 而不是像您的示例中那样仅计算 z$a 中的级别，但这很容易通过 table 实现：

table(z$a)