r - dplyr - 将分组变量与分组变量的子集进行比较

Question

假设我有一个长格式的购买表。它看起来像:

purchases = data.frame(
    Item = c("Bike", "Bike", "Bike", "Bike", "Car", "Car", "Car", "Car"),
    Variable = c("Age", "Age", "Price", "Price", "Age", "Age", "Price", "Price"),
    Value = c("New", "Used", "Full", "Discount", "New", "Used", "Discount", "Discount")
)

我想查看按项目和变量分组的值的分布。所以我可以说“在所有售出的自行车中，50% 已被使用”或“所有汽车均以折扣价出售。”

理想的输出将是一个如下所示的表格:

我可以通过执行以下操作来获取 dplyr 中的计数:

purchases %>% group_by(Item, Variable, Value) %>%
    summarise(Total = n())

然后，我将每个值除以它们各自的项目和变量分组。我可以想到一些长答案，其中我有条件地在另一个变量中添加相应的计数，但我希望找到一种简单的方法来通过 dplyr 来做到这一点。另一种描述方式可能是在分组的上一级执行计算。

Answer 1

library(tidyverse)
purchases %>%
  count(Item, Variable, Value) %>%
  group_by(Item, Variable) %>%
  mutate(pct = n / sum(n)) %>%
  ungroup()

# A tibble: 7 x 5
  Item  Variable Value        n     pct
  <fct> <fct>    <fct>    <int>   <dbl>
1 Bike  Age      New          1     0.5
2 Bike  Age      Used         1     0.5
3 Bike  Price    Discount     1     0.5
4 Bike  Price    Full         1     0.5
5 Car   Age      New          1     0.5
6 Car   Age      Used         1     0.5
7 Car   Price    Discount     2     1