r - dplyr 创建因子水平的聚合百分比

Question

如何使用 dplyr 为每个状态创建因子变量水平的比例？例如，我想向数据框中添加一个变量，该变量指示每个州内女性的百分比。

# gen data
state <- rep(c(rep("Idaho", 10), rep("Maine", 10)), 2)
student.id <- sample(1:1000,8,replace=T)
gender <- rep( c("Male","Female"), 100*c(0.25,0.75) )  
gender <- sample(gender, 40)
school.data <- data.frame(student.id, state, gender)

这是我知道是错误的尝试，但让我可以访问信息:

 middle %>%
   group_by(state, gender %in%c("Female")) %>%
   summarise(count = n()) %>%
   mutate(test_count = count)

我很难使用 count 和 mutate 函数，这使得我很难再进一步。它的行为不像我期望的那样。

Answer 1

向现有数据框中添加新列:

school.data %>% 
    group_by(state) %>%
    mutate(pct.female = mean(gender == "Female"))

使用 summarize而不是 mutate如果您只想要每个状态一行而不是向原始数据添加一列。

school.data %>%
   group_by(state) %>%
   summarize(pct.female = mean(gender == "Female"))
# # A tibble: 2 x 2
#    state pct.female
#   <fctr>      <dbl>
# 1  Idaho       0.75
# 2  Maine       0.70