Względne częstotliwości / proporcje z dplyr

Załóżmy, że chcę obliczyć proporcje różnych wartości w każdej grupie. Na przykład, przy użyciu mtcarsdanych, jak mogę obliczyć względną częstotliwość liczby biegów przez rano (automatyczny / manualny) w jednej porcji z dplyr?

library(dplyr)
data(mtcars)
mtcars <- tbl_df(mtcars)

# count frequency
mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n())

# am gear  n
#  0    3 15 
#  0    4  4 
#  1    4  8  
#  1    5  5 

Co chciałbym osiągnąć:

am gear  n rel.freq
 0    3 15      0.7894737
 0    4  4      0.2105263
 1    4  8      0.6153846
 1    5  5      0.3846154

Spróbuj tego:

mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))

#   am gear  n      freq
# 1  0    3 15 0.7894737
# 2  0    4  4 0.2105263
# 3  1    4  8 0.6153846
# 4  1    5  5 0.3846154

Z winiety dplyr :

W przypadku grupowania według wielu zmiennych każde podsumowanie oddziela jeden poziom grupowania. Ułatwia to stopniowe rozwijanie zbioru danych.

W ten sposób po summariseostatniej zmiennej grupującej podanej w group_by„gear” jest usuwana. Na tym mutateetapie dane są grupowane według pozostałych zmiennych grupujących, tutaj „am”. Możesz sprawdzić grupowanie w każdym kroku za pomocą groups.

Wynik peelingu jest oczywiście zależny od kolejności zmiennych grupujących w group_bywywołaniu. Możesz chcieć zrobić następną group_by(am), aby uczynić swój kod bardziej przejrzystym.

Aby uzyskać informacje o zaokrąglaniu i upiększaniu, zapoznaj się z miłą odpowiedzią @Tyler Rinker.

Możesz użyć count()funkcji, która zachowuje się jednak inaczej w zależności od wersji dplyr:

• dplyr 0.7.1: zwraca niezgrupowaną tabelę: musisz ponownie pogrupować wedługam

• dplyr <0.7.1: zwraca zgrupowaną tabelę, więc nie ma potrzeby ponownego grupowania, chociaż możesz chcieć to zrobić ungroup()dla późniejszych manipulacji

dplyr 0.7.1

mtcars %>%
  count(am, gear) %>%
  group_by(am) %>%
  mutate(freq = n / sum(n))

dplyr <0.7.1

mtcars %>%
  count(am, gear) %>%
  mutate(freq = n / sum(n))

Powoduje to utworzenie zgrupowanej tabeli , jeśli chcesz jej użyć do dalszej analizy, może być przydatne usunięcie zgrupowanego atrybutu za pomocą ungroup().

@ Henrik jest lepszy pod względem użyteczności, ponieważ sprawi, że kolumna będzie znakowa i nie będzie już numeryczna, ale będzie pasować do tego, o co prosiłeś ...

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = paste0(round(100 * n/sum(n), 0), "%"))

##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

EDYTUJ Ponieważ Spacedman poprosił o to :-)

as.rel_freq <- function(x, rel_freq_col = "rel.freq", ...) {
    class(x) <- c("rel_freq", class(x))
    attributes(x)[["rel_freq_col"]] <- rel_freq_col
    x
}

print.rel_freq <- function(x, ...) {
    freq_col <- attributes(x)[["rel_freq_col"]]
    x[[freq_col]] <- paste0(round(100 * x[[freq_col]], 0), "%")   
    class(x) <- class(x)[!class(x)%in% "rel_freq"]
    print(x)
}

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = n/sum(n)) %>%
  as.rel_freq()

## Source: local data frame [4 x 4]
## Groups: am
## 
##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

Oto ogólna funkcja implementująca rozwiązanie Henrika w wersji dplyr0.7.1.

freq_table <- function(x, 
                       group_var, 
                       prop_var) {
  group_var <- enquo(group_var)
  prop_var  <- enquo(prop_var)
  x %>% 
    group_by(!!group_var, !!prop_var) %>% 
    summarise(n = n()) %>% 
    mutate(freq = n /sum(n)) %>% 
    ungroup
}

Napisałem małą funkcję dla tego powtarzającego się zadania:

count_pct <- function(df) {
  return(
    df %>%
      tally %>% 
      mutate(n_pct = 100*n/sum(n))
  )
}

Mogę wtedy używać go tak:

mtcars %>% 
  group_by(cyl) %>% 
  count_pct

Zwraca:

# A tibble: 3 x 3
    cyl     n n_pct
  <dbl> <int> <dbl>
1     4    11  34.4
2     6     7  21.9
3     8    14  43.8

Pomimo wielu odpowiedzi, jeszcze jedno podejście, które wykorzystuje prop.tablew połączeniu z dplyrlub data.table.

library("dplyr")
mtcars %>%
    group_by(am, gear) %>%
    summarise(n = n()) %>%
    mutate(freq = prop.table(n))

library("data.table")
cars_dt <- as.data.table(mtcars)
cars_dt[, .(n = .N), keyby = .(am, gear)][, freq := prop.table(n) , by = "am"]

Ta odpowiedź jest oparta na odpowiedzi Matifou.

Najpierw zmodyfikowałem go, aby upewnić się, że kolumna freq nie zostanie zwrócona jako kolumna notacji naukowej, używając opcji scipen.

Następnie mnożę odpowiedź przez 100, aby uzyskać procent, a nie liczbę dziesiętną, aby ułatwić odczytanie kolumny freq jako wartości procentowej.

getOption("scipen") 
options("scipen"=10) 
mtcars %>%
count(am, gear) %>% 
mutate(freq = (n / sum(n)) * 100)