dplyr 的相对频率/比例

Question

假设我想计算每个组中不同值的比例。例如，使用 mtcars 数据，如何计算 am 的齿轮数量的相对频率(自动/手动)用 dplyr 一次性完成？

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 

我想要实现的目标:

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

Answer 1

试试这个:

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

来自dplyr vignette :

When you group by multiple variables, each summary peels off one level of the grouping. That makes it easy to progressively roll-up a dataset.

因此，在summarise之后，group_by中指定的最后一个分组变量“gear”被剥离。在 mutate 步骤中，数据按剩余的分组变量(此处为“am”)进行分组。您可以使用groups检查每个步骤中的分组情况。

剥离的结果当然取决于 group_by 调用中分组变量的顺序。您可能希望执行后续的 group_by(am) 操作，以使您的代码更加明确。

有关舍入和美化的信息，请参阅@Tyler Rinker 的精彩回答。