按数据集中不存在的因子分组

Question

我正在使用 dplyr 为一系列文件计算变量 [mode] 的分组。目标是构建一个数据框，您可以在其中复制（cbind）每个文件的结果（欢迎任何关于更好数据结构的想法）。

所以文件是这样的：

FILE 1:
id |mode | no.cases
1    1      3
2    2      1
3    5      2

FILE 'n':
id |mode | no.cases
1    1      11
2    3      7
3    4      1

某些文件可能包含所有 5 个类别的条目，而其他文件仅包含其中 2 或 3 个类别的条目。我可以使用以下方法从完整文件中获取所有现有类别： categories<-factor(mode)

不过，使用 group_by 时还是会出现问题：

result <-group_by(file,mode,sum(no.cases))    
result (for file 1):
mode | no.cases
1      3
2      1
5      2

因为你不能在不同的号码上绑定。行数：在某些情况下，生成的数据框将有 5 行，在某些情况下只有 3 行。

如何使用 group_by 以便它为每个文件显示所有现有类别，以及不显示值 0 的类别？

例如

result (for file 1):
mode | no.cases
1      3
2      1
3      0
4      0
5      2

提前致谢，p.

Answer 1

假设您已将完整文件中的所有类别放入名为categories.df的数据框中

categories <- c(1,2,3,4,5)
# create data frame
categories.df <- data.frame(categories)
# rename column name
colnames(categories.df)[colnames(categories.df)=="categories"] <- "mode"

> categories.df
  mode
    1
    2
    3
    4
    5

以下是将 categories.df 与您的 file1 合并的示例代码

R 代码：

# Method 1: merge function
df <- merge(x = categories.df, y = file1, by = "mode", all = TRUE)
df$id <- NULL # remove id
df[is.na(df)] <- 0 # replace na with zero

# Method 2: using dplyr
library(dplyr)
df <- left_join(categories.df, file1)
df$id <- NULL # remove id
df[is.na(df)] <- 0 # replace na with zero

# Method 2: using plyr
library(plyr)
df <- join(categories.df, file1, type="left")
df$id <- NULL # remove id
df[is.na(df)] <- 0 # replace na with zero

输出：

> df
  mode no.cases
    1        3
    2        1
    3        0
    4        0
    5        2

希望这会有所帮助。