Frekuensi / proporsi relatif dengan dplyr

Misalkan saya ingin menghitung proporsi nilai yang berbeda dalam setiap kelompok. Sebagai contoh, menggunakan mtcarsdata, bagaimana cara menghitung frekuensi relatif dari jumlah roda gigi dengan am (otomatis / manual) dalam sekali jalan 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 

Apa yang ingin saya capai:

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

Coba ini:

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

Dari sketsa dplyr :

Saat Anda mengelompokkan berdasarkan beberapa variabel, setiap ringkasan melepaskan satu tingkat pengelompokan. Itu membuatnya mudah untuk secara bertahap menyatukan dataset.

Jadi, setelah itu summarise, variabel pengelompokan terakhir yang ditentukan dalam group_by, 'roda gigi', dikupas. Pada mutatelangkah ini, data dikelompokkan berdasarkan variabel pengelompokan yang tersisa, inilah dia. Anda dapat memeriksa pengelompokan di setiap langkah dengan groups.

Hasil dari peeling tentu saja tergantung pada urutan variabel pengelompokan dalam group_bypanggilan. Anda mungkin ingin melakukan selanjutnya group_by(am), untuk membuat kode Anda lebih eksplisit.

Untuk pembulatan dan prettifikasi, silakan merujuk ke jawaban yang bagus oleh @Tyler Rinker.

Anda dapat menggunakan count()fungsi, yang memiliki perilaku berbeda tergantung pada versi dplyr:

• dplyr 0.7.1: mengembalikan tabel yang tidak dikelompokkan : Anda perlu mengelompokkan lagi berdasarkanam

• dplyr <0.7.1: mengembalikan tabel yang dikelompokkan , jadi tidak perlu dikelompokkan lagi, meskipun Anda mungkin ingin ungroup()memanipulasi nanti

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))

Ini menghasilkan tabel yang dikelompokkan , jika Anda ingin menggunakannya untuk analisis lebih lanjut, mungkin berguna untuk menghapus atribut yang dikelompokkan dengannya ungroup().

@ Henrik lebih baik untuk kegunaan karena ini akan membuat karakter kolom dan tidak lagi numerik tetapi cocok dengan apa yang Anda minta ...

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%

EDIT Karena Spacedman memintanya :-)

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%

Berikut adalah fungsi umum yang mengimplementasikan solusi Henrik pada 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
}

Saya menulis fungsi kecil untuk tugas yang berulang ini:

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

Saya kemudian dapat menggunakannya seperti:

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

Ia mengembalikan:

# 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

Terlepas dari banyak jawaban, satu pendekatan lagi yang digunakan prop.tabledalam kombinasi dengan dplyratau 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"]

Jawaban ini didasarkan pada jawaban Matifou.

Pertama saya memodifikasinya untuk memastikan bahwa saya tidak mendapatkan kolom freq dikembalikan sebagai kolom notasi ilmiah dengan menggunakan opsi scipen.

Lalu saya gandakan jawabannya dengan 100 untuk mendapatkan persen daripada desimal untuk membuat kolom freq lebih mudah dibaca sebagai persentase.

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