【问题标题】:How to calculate the proportion of two categorical variables in R如何计算R中两个分类变量的比例
【发布时间】:2021-12-28 01:53:22
【问题描述】:

目前我正在写我的硕士论文。我的大学向我提供了包含多个变量的学生数据,例如年龄、性别、学科、教师、访问的课程、获得的成绩、学生流失情况等等。我的任务是分析这些数据,以预测哪个学生会流失以及哪个学生会获得学位。在此之前,我想尝试进行探索性数据分析。目前我被困在我想计算两个分类变量的比例:主题和学生是否流失。

我为要计算的统计数据创建了一个简单的示例:

Subject_Churn_df <- data.frame(Subject = c("Math", "Engineering", "IT", "Math", "IT", "IT", "Engineering"),
                               Churn = c("Yes", "Yes", "No", "No", "Yes", "Yes", "No"))

现在我想确定哪个主题流失的比例。

我尝试了以下代码:

Subject_Churn_df %>% 
  select(Subject, Churn) %>% 
  table() %>% 
  prop.table()

但结果我得到了

             Churn
Subject              No       Yes
  Engineering 0.1428571 0.1428571
  IT          0.1428571 0.2857143
  Math        0.1428571 0.1428571

在这种情况下,比例是通过考虑整个样本来计算的。但是,我想知道每个主题的流失率,例如

Engineering 0.5
IT 0.333333
Math: 0.5

我将不胜感激每一个提示/解决方案。提前非常感谢。

【问题讨论】:

  • 谢谢,这听起来是个好主意。上次我在 StackOverflow 上问了一个与 R 相关的问题,它被转移到了这个网站。因此,我不太确定在哪里发布。
  • 把它贴到一个或另一个没有坏处,它最终会找到一个家!

标签: r categorical-data


【解决方案1】:

虽然这在Stack Overflow 上可能更好,但您的具体问题是您没有在proportions 调用中将正确的参数传递给margin,因此您获得了整个表格的比例。由于对 table 的调用将主题放在行中,因此您希望将 $1$ 传递给 margin,如下所示:

Subject_Churn_df <- data.frame(Subject = c("Math", "Engineering", "IT", "Math", "IT", "IT", "Engineering"),
Churn = c("Yes", "Yes", "No", "No", "Yes", "Yes", "No"))

proportions(table(Subject_Churn_df), margin = 1L)

结果:

             Churn
Subject              No       Yes
  Engineering 0.5000000 0.5000000
  IT          0.3333333 0.6666667
  Math        0.5000000 0.5000000

我相信你想要的。

【讨论】:

  • 太棒了!在 R 中有很多很多方法可以做同样的事情——通常只使用基本 R。一旦考虑到包中包含的方法,例如 data.table、plyr 和 dplyr,它可能会让人不知所措。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2020-07-29
相关资源
最近更新 更多