r - 如何使用 dplyr 创建总频率表

Question

使用 dplyr 创建总相对频率表并按两个变量分组时，我得到了意外结果。这是一个例子:

set.seed(1234)
dat1 = data.frame(
  color = c(c(rep("red", 4), rep("green", 4))),
  type = c(c(rep(c(
    "big", "small"
  ), 4))),
  value = sample(1:6, 8, replace = T)
)
dat1 %>% group_by(color, type) %>% summarise(n = n()) %>%
   mutate(total = sum(n), rel.freq = n / total)

这是前面代码的结果:

# A tibble: 4 x 5
# Groups:   color [2]
  color type      n total rel.freq
  <fct> <fct> <int> <int>    <dbl>
1 green big       2     4    0.500
2 green small     2     4    0.500
3 red   big       2     4    0.500
4 red   small     2     4    0.500

但是我希望这样:

# A tibble: 4 x 5
# Groups:   color [2]
  color type      n total rel.freq
  <fct> <fct> <int> <int>    <dbl>
1 green big       2     8    0.250
2 green small     2     8    0.250
3 red   big       2     8    0.250
4 red   small     2     8    0.250

任何关于为什么下面的 dplyr 管道上的 mutate 仅按第一个分组变量分组(或者为什么它根本分组的原因 - 我的想法是应该在 >summarise() 数据集)将不胜感激。

total 列应指示总共有 8 个案例(即 summarise() 中先前结果的 sum(n) > 应该= 8)。

Answer 1

每次汇总后，其中一个分组元素将被删除，即按该顺序的最后一组。在总结之后我们需要取消分组

dat1 %>% 
  group_by(color, type) %>% 
  summarise(n = n()) %>%
  ungroup %>% 
  mutate(total = sum(n), rel.freq = n / total)
# A tibble: 4 x 5
#  color type      n total rel.freq
#  <fct> <fct> <int> <int>    <dbl>
#1 green big       2     8     0.25
#2 green small     2     8     0.25
#3 red   big       2     8     0.25
#4 red   small     2     8     0.25