R tidyverse 表演示

Question

当涉及到输出表格时，我正在将统计分析脚本从 SPSS 转换为 R，尽管我不断遇到问题。我最近开始使用 tidyverse 包，因此理想情况下希望找到一个与之兼容的解决方案，但更一般地说，我希望能够针对 R 进行一些深入的表培训(如果有的话)就是这样的事情。

无论如何...这是我想要复制的表格布局:

本质上它是一个频率

这是一些示例数据的脚本:

i <- c(201:301)
ID <- sample(i, 200, replace=TRUE)
i <- 1:2
Category1 <- sample(i, 200, replace=TRUE)
Category2 <- sample(i, 200, replace=TRUE)
Category3 <- sample(i, 200, replace=TRUE)
df <- data.frame(ID, Category1, Category2, Category3)

现在我已经尝试过:

IDTab <- df %>%
            mutate(ID = as.character(ID)) %>%
            group_by(ID) %>%
            summarise(C1_1 = NROW(Category1[which(Category1 == 1)])
                     ,C1_2 = NROW(Category1[which(Category1 == 2)])
                     ,C1_T = NROW(Category1)
                     ,C2_1 = NROW(Category2[which(Category2 == 1)])
                     ,C2_2 = NROW(Category2[which(Category2 == 2)])
                     ,C2_T = NROW(Category2)
                     ,C3_1 = NROW(Category3[which(Category3 == 1)])
                     ,C3_2 = NROW(Category3[which(Category3 == 2)])
                     ,C3_T = NROW(Category3))

然而，这似乎是可笑的手动操作，并且随着包含更多变量/级别，工作量显然会增加。更不用说，我已经创建了我想要的表的数据框架，而不是数据框架中的表，并且所有分类都来自命名约定，而不是任何实际的数据结构。

正如我所说...欢迎推荐硬核R table 训练。

Answer 1

如果你想制作漂亮的表格，可以看看 knitr::kable、pander::pander、ztable::ztable 和 xtable::xtable (按通用性增加的粗略顺序)。

下面的数据处理示例不会为您提供所需的嵌套表格式，但它的扩展性应该比您当前的代码更好，并且会为您提供所需的数据。

# Make dataframe
set.seed(1234)
i <- c(201:301)
ID <- sample(i, 200, replace=TRUE)
i <- 1:2
Category1 <- sample(i, 200, replace=TRUE)
Category2 <- sample(i, 200, replace=TRUE)
Category3 <- sample(i, 200, replace=TRUE)
df <- data.frame(ID, Category1, Category2, Category3)

# Load packages
library(dplyr)
library(tidyr)

# Get the count by 'Level' (1 or 2) per 'Category' (1, 2 or 3) for each ID
df2 <- df %>%
    # Gather the 'Category' columns
    gather(key = Category,
           value = Level,
           -ID) %>%
    # Convert all to character
    mutate_each(funs(as.character)) %>%
    # Group by and then count
    group_by(ID, Category, Level) %>%
    summarise(Count = n())

# Get the total count per 'Category' (1, 2 or 3) for each ID
df3 <- df2 %>%
    # Group by and then count
    group_by(ID, Category) %>%
    summarise(Count = sum(Count)) %>%
    # Add a label column
    mutate(Level = 'total') %>%
    # reorder columns to match df2
    select(ID, Category, Level, Count)

# Finishing steps
df4 <- df2 %>%
    # Bind df3 to df2 by row
    rbind(df3) %>%
    # Spread out 'Level' into columns
    spread(key = Level,
           value = Count)

# Tabulate
knitr::kable(head(df4), format = 'markdown')

|ID  |Category  |  1|  2| total|
|:---|:---------|--:|--:|-----:|
|201 |Category1 |  1| NA|     1|
|201 |Category2 | NA|  1|     1|
|201 |Category3 | NA|  1|     1|
|202 |Category1 |  2| NA|     2|
|202 |Category2 |  1|  1|     2|
|202 |Category3 |  2| NA|     2|

(感谢 Jenny Bryan 的代表)