dplyr：如何计算每组内不同值的频率答案

【问题标题】：dplyr: How to calculate frequency of different values within each groupdplyr：如何计算每组内不同值的频率
【发布时间】：2021-06-11 20:46:14
【问题描述】：

我可能有一个简单的问题，但无法弄清楚。

我有一个包含两个变量的数据集，这两个变量都是因子。它看起来像这样：

my.data<-data.frame(name=c("a","a","b","b","b","b", "b", "b", "e", "e", "e"),
                var1=c(1, 2, 3, 4, 2, 1, 4, 1, 3, 4, 3))

我想计算所有 a、b 和 e 的频率 1、2、3 和 4，然后将它们聚合到一行中。这意味着所有“a”、“b”和“e”都应该在一行中，然后我想创建 4 个变量来指示这些行中所有 1、2、3 和 4 的频率。我已经设法计算出所有“a”、“b”和“e”计数的频率，但我无法将所有“a”、“b”和“e”折叠成单独的行。

我的代码是这个：

a <- my.data %>%
dplyr:: select(name, var1) %>%
mutate(name = as.factor(name),
     var1 = as.factor(var1)) %>% 
group_by(name, var1) %>%
summarise(n = n()) %>%
mutate(freq = n / sum(n))

我的结果应该是这样的：

name   Freq1   Freq2   Freq3   Freq4
  a    0,00    0,00    0,5     0,5
  b    0,30    0,30    0,30    0,10
  e    0,20    0,20    0,20    0,40

谢谢。

【问题讨论】：

标签： r dplyr frequency

【解决方案1】：

我们也可以在这里使用包janitor 来发挥很大的优势：

library(janitor)

my.data %>%
  tabyl(name, var1) %>%
  adorn_percentages()

 name         1         2         3         4
    a 0.5000000 0.5000000 0.0000000 0.0000000
    b 0.3333333 0.1666667 0.1666667 0.3333333
    e 0.0000000 0.0000000 0.6666667 0.3333333

或

my.data %>%
  tabyl(name, var1) %>%
  adorn_percentages() %>%
  adorn_totals(c('row', 'col')) %>%
  adorn_pct_formatting(2)

  name      1      2      3      4   Total
     a 50.00% 50.00%  0.00%  0.00% 100.00%
     b 33.33% 16.67% 16.67% 33.33% 100.00%
     e  0.00%  0.00% 66.67% 33.33% 100.00%
 Total 83.33% 66.67% 83.33% 66.67% 300.00%

【讨论】：

这样看起来好多了，我的朋友，谢谢。
看门我最喜欢的包以进行汇总/交叉表
嘿，这创造了奇迹。非常感谢您的回答。我很感激:)

【解决方案2】：

你也可以使用base R's

prop.table(table(my.data), 1)

    var1
name         1         2         3         4
   a 0.5000000 0.5000000 0.0000000 0.0000000
   b 0.3333333 0.1666667 0.1666667 0.3333333
   e 0.0000000 0.0000000 0.6666667 0.3333333

【讨论】：

【解决方案3】：

您可以使用pivot_wider 来获取宽格式数据-

library(dplyr)
library(tidyr)

my.data %>%
  count(name, var1) %>%
  group_by(name) %>%
  mutate(n = prop.table(n)) %>%
  ungroup %>%
  pivot_wider(names_from = var1, values_from = n, names_prefix = 'Freq')

#  name   Freq1  Freq2  Freq3  Freq4
#  <chr>  <dbl>  <dbl>  <dbl>  <dbl>
#1 a      0.5    0.5   NA     NA    
#2 b      0.333  0.167  0.167  0.333
#3 e     NA     NA      0.667  0.333

【讨论】：

嗨罗纳克，非常感谢。尽管它适用于这些数据。它不适用于我拥有的那些。我收到以下错误：警告消息：值不是唯一标识的；输出将包含列表列。 * 使用values_fn = list 抑制此警告。 * 使用values_fn = length 确定重复出现的位置 * 使用values_fn = {summary_fun} 汇总重复
嗯...这很奇怪，不应该发生。您可以尝试将count 替换为dplyr::count，看看是否有任何变化？
嗨，我的代码开头已经有了。我在所有这些操作之前应用了一个过滤器。
是的，但是count 也是plyr 库的一部分，我觉得它可能会不小心从dplyr 中屏蔽count。因此，我要求使用dplyr::count 而不仅仅是count。如果这没有帮助，您可以使用 pivot_wider(names_from = var1, values_from = n, names_prefix = 'Freq', values_fn = sum) 对每个组合的值求和。
我不应该将它们作为我猜的因素

【解决方案4】：

library(purrr)
my.data %>% 
  split(.$name) %>% 
  {cbind(name = names(.), map_dfr(., ~pluck(.x, "var1") %>% table() %>% prop.table()))}

  name         1         2         3         4
1    a 0.5000000 0.5000000        NA        NA
2    b 0.3333333 0.1666667 0.1666667 0.3333333
3    e        NA        NA 0.6666667 0.3333333

【讨论】：

嘿，成功了 :) 非常感谢您的回答！