r - 使用 dplyr 汇总多列 - 分类版本

标签 r count data.table dplyr summary

正在关注 this questionthis one ,我想知道在一个数据集中总结分类变量的最佳选择是什么。

我有一个数据集,例如

# A tibble: 10 <U+00D7> 4
    empstat_couple     nssec7_couple3  nchild07 age_couple
              <chr>             <fctr>    <fctr>      <dbl>
1         Neo-Trad   Lower Managerial    1child         39
2         Neo-Trad  Higher Managerial    1child         31
3         Neo-Trad Manual and Routine    1child         33
4             Trad  Higher Managerial    1child         43

前 3 个变量是分类(字符或因子),最后一个是数值变量。

我想要的是(输出)

                  var n   p
1:           Neo-Trad 6 0.6
2:    OtherArrangment 2 0.2
3:               Trad 2 0.2
4:  Higher Managerial 4 0.4
5:   Lower Managerial 5 0.5
6: Manual and Routine 1 0.1
7:             1child 9 0.9
8:          2children 1 0.1

那么对于数值变量,我不确定如何将它有意义地添加到摘要中。

我想最基本的方法是

library(dplyr) 
library(data.table) 

a = count(dt, empstat_couple) %>% mutate(p = n / sum(n))
b = count(dt, nssec7_couple3) %>% mutate(p = n / sum(n))
c = count(dt, nchild07) %>% mutate(p = n / sum(n))

rbindlist(list(a,b,c))

我想知道是否存在 summarise_each 解决方案?

这行不通

dt %>% summarise_each(funs(count))

使用 apply 我可以想出这个

apply(dt, 2, as.data.frame(table)) %>% rbindlist()

但效果不是很好。

有什么建议吗?

数据

dt = structure(list(empstat_couple = c("Neo-Trad", "Neo-Trad", "Neo-Trad", 
"Trad", "OtherArrangment", "Neo-Trad", "Trad", "OtherArrangment", 
"Neo-Trad", "Neo-Trad"), nssec7_couple3 = structure(c(2L, 1L, 
4L, 1L, 2L, 2L, 1L, 2L, 1L, 2L), .Label = c("Higher Managerial", 
"Lower Managerial", "Intermediate", "Manual and Routine"), class = "factor"), 
nchild07 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 
1L), .Label = c("1child", "2children", ">2children"), class = "factor"), 
age_couple = c(39, 31, 33, 43, 32, 28, 28, 40, 33, 26), hldid = 1:10), .Names = c("empstat_couple", 
"nssec7_couple3", "nchild07", "age_couple", "hldid"), row.names = c(NA, 
-10L), class = "data.frame")

最佳答案

我们可以用data.tablemelt得到.N和比例

library(data.table)
unique(melt(setDT(dt), id.var = "age_couple")[,  n := .N , value], 
       by = c("variable", "value", "n"))[,  p := n/sum(n), variable 
        ][, c("age_couple", "variable" ) := NULL][]

或者使用dplyr/tidyr

library(dplyr)
library(tidyr)
gather(dt, var1, var, -age_couple) %>%
           group_by(var) %>%
           mutate(n = n()) %>%
           select(-age_couple) %>%
           unique() %>% 
           group_by(var1) %>%
           mutate(p= n/sum(n)) %>%
           ungroup() %>%
           select(-var1)

关于r - 使用 dplyr 汇总多列 - 分类版本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41460866/

相关文章:

regex - 在字符串中查找 $ 的位置

javascript - 将出现的次数存储在数组中

php - SQL 计算具有匹配值的行

r - 如何计算由分号分隔的字符串

r - 每个组的 data.table 滚动连接

r - 如果任何元素满足条件

r - 在 r 中按组选择第二大行

r - 我如何对 data.table 中特定列的不同子集取平均值?

r - 在 data.table 中使用 by 连接继承范围

r - 使用 ggplot2 绘制受限三次样条曲线时出错