计算多个变量的因子水平的出现并将结果汇​​总在一张表中

Question

这是我在这里的第一篇文章，我对编程和 R 非常陌生。所以请原谅任何愚蠢。

我有以下数据框：

a <- data.frame("sickness1" = c(1,1,2,3,3,5,6, 4, 4, 4),
                "sickness2" = c(NA, NA, 3, 3, 4, 6, 1, 2, 5, 6),
                "sickness3" = c(NA, NA, 3, 4, 4, 6, 1, 2, 5, 6),
                "sickness4" = c(NA, NA, 6, 3, 4, 6, 1, 2, 5, 6))

每一行代表一个案例。每列都是一个有序的因子变量。我将变量转换为这样的因子（使用我在 stackoverflow 上找到的提示！）：

a[] <- lapply(a, factor,
             levels = c(1:6),
             labels = c(3, 25, 50, 75, 97, 100))

我想得到以下输出：

  percent   sickness1           sickness2    sickness3       sickness4
1       3          1                1            1            2
2      25          1                1            1            1
3      50          2                1            1            2
4      75          1                2            1            3
5      97          1                1            1            1
6     100          2                2            3            1

我已经找到了一个非常冗长的解决方案：

# counting
ab <- ldply(lapply(a, count))

#getting it into the right format
ab2 <- dcast(
    data = ab,
    formula = x ~ .id,
    value.var = "freq")

# changing the name of the first column
colnames(ab2)[1] <- "percent"

#deleting row 7 cause it contains the NAs which I dont want to have
ab2 <- ab2[-7,]
ab2

有没有更快更简单的方法来做到这一点？就像以某种方式使用 ddply 一样？ summary(a) 给我的输出太乱了，我不知道如何操纵它以使其看起来像我想要的那样。此外，我正在处理的真实数据要大得多，我必须多次这样做......

Answer 1

好的，所以我发现有两种可能的解决方案：

akrun 的 Nr1：

un1 <- as.character(sort(unique(unlist(a, use.names=FALSE))))
 data.frame(percent=un1,do.call(cbind,
          lapply(a, function(x) table(factor(x, levels=un1)))))

Alexis_laz 的 Nr.2：

假设我可以轻松地使数据看起来像这样：（这只是上面的一个数据框，其中为机构添加了一个列）

a <- data.frame("institution" = c(1:10), "sickness1" = c(1,1,2,3,3,5,6, 4, 4, 4),
                "sickness2" = c(NA, NA, 3, 3, 4, 6, 1, 2, 5, 6),
                "sickness3" = c(NA, NA, 3, 4, 4, 6, 1, 2, 5, 6),
                "sickness4" = c(NA, NA, 6, 3, 4, 6, 1, 2, 5, 6))

a[-1] <- lapply(a[-1], factor,
                levels = c(1:6),
                labels = c("0 to 3%","4-25%", "25-50%", "51-75%","76-97%","97-100%"))

然后我可以将这种宽数据形式转换为长数据格式，如下所示：

b2 <- melt(a, id.vars = "institution")

然后正常的表格功能起作用：

table(b2[[3]], b2[[2]])

注意顺序很重要

非常感谢大家！

Answer 2

这主要是主题类型答案的变体。将stack 和table 一起使用，如下所示：

as.data.frame.matrix(           ## converts the output to a data.frame
  table(                        ## does the actual tabulation
    stack(                      ## stack makes your data.frame long 
      lapply(a, as.character)), ## but won't work with factors; convert to char
        useNA = "no")           ## we don't want NA values
       )[levels(a[[1]]), ]      ## We want our rows in a nicer order
#     sickness1 sickness3 sickness4 sickness5
# 3           2         1         1         1
# 25          1         1         1         1
# 50          2         2         1         1
# 75          3         1         2         1
# 97          1         1         1         1
# 100         1         2         2         3

---

或者，这里有一个“dplyr”+“tidyr”的方法：

library(dplyr)
library(tidyr)

a %>% gather(var, val, sickness1:sickness5) %>%     ## make the data long
  mutate(val = factor(val, levels(unlist(a)))) %>%  ## refactor "val" column
  rev %>%                         ## reverse the order of val and var
  table %>%                       ## make your table
  as.data.frame.matrix            ## convert it to a data.frame

#     sickness1 sickness3 sickness4 sickness5
# 3           2         1         1         1
# 25          1         1         1         1
# 50          2         2         1         1
# 75          3         1         2         1
# 97          1         1         1         1
# 100         1         2         2         3

Answer 3

你可以试试：

 un1 <- as.character(sort(unique(unlist(a, use.names=FALSE))))
 data.frame(percent=un1,do.call(cbind,
          lapply(a, function(x) table(factor(x, levels=un1)))))