使用dplyr对一个因子的计数进行总结

Question

我希望能够按照数据框的某一列（owner）对其进行分组，并输出一个新的数据框，其中包含每个观测点上各种因素的计数。实际的数据框非常大，而且有10种不同的因素。

以下是一些示例输入：

library(dplyr)
df = tbl_df(data.frame(owner=c(0,0,1,1), obs1=c("quiet", "loud", "quiet", "loud"), obs2=c("loud", "loud", "quiet", "quiet")))

  owner  obs1  obs2
1     0 quiet  loud
2     0  loud  loud
3     1 quiet quiet
4     1  loud quiet

我希望得到类似于这样的输出：

out = data.frame(owner=c("0", "0", "1", "1"), observation=c("obs1", "obs2", "obs1", "obs2"), quiet=c(1, 0, 1, 2), loud=c(1, 2, 1, 0))

  owner observation quiet loud
1     0        obs1     1    1
2     0        obs2     0    2
3     1        obs1     1    1
4     1        obs2     2    0

融化让我有了部分感受：

melted = tbl_df(melt(df, id=c("owner")))

  owner variable value
1     0     obs1 quiet
2     0     obs1  loud
3     1     obs1 quiet
4     1     obs1  loud
5     0     obs2  loud
6     0     obs2  loud
7     1     obs2 quiet
8     1     obs2 quiet

但是最后一步应该怎么做呢？如果'value'是一个数字，那我会这样做：

melted %>% group_by(owner, variable) %>% summarise(counts=sum(value))

非常感谢！

- Rory Kirchner

---

这是一个老问题，但是值得一提的是，dcast 有一个鲜为人知的功能，可以在这些情况下应用聚合/汇总函数。我认为它默认为计数。 - shadowtalker

Answer 1

2017年的答案是

library(dplyr)
library(tidyr)

gather(df, key, value, -owner) %>%
  group_by(owner, key, value) %>%
  tally %>% 
  spread(value, n, fill = 0)

哪个给出输出

Source: local data frame [4 x 4]
Groups: owner, key [4]

  owner   key  loud quiet
* <dbl> <chr> <dbl> <dbl>
1     0  obs1     1     1
2     0  obs2     2     0
3     1  obs1     1     1
4     1  obs2     0     2

2019年的答案是：

gather(df, key, value, -owner) %>% 
    count(owner, key, value) %>% 
    spread(value, n, fill = 0)

- Sam Clifford

---

这是现今更好的答案。 - Monduiz

2019年的答案是： gather(df, key, value, -owner) %>% count(owner, key, value) %>% spread(value, n, fill = 0) - Sam Clifford

在2019年，pivot_longer/wider是否比gather/spread更受推荐？ - baxx

@baxx 看起来是这样的（我不得不查一下 gather 的定义来提醒自己它是什么）。 - Hendy

Answer 2

你可以使用 tidyr 和 dplyr

library(dplyr)
library(tidyr)

 df %>%
 gather(observation, Val, obs1:obs2) %>% 
 group_by(owner,observation, Val) %>% 
 summarise(n= n()) %>%
 ungroup() %>%
 spread(Val, n, fill=0)

它会输出：

  #    owner observation loud quiet
  #1     0        obs1    1     1
  #2     0        obs2    2     0
  #3     1        obs1    1     1
  #4     1        obs2    0     2

- akrun

---

df %>% gather(observation, Val, obs1:obs2) %>% group_by(owner, variable, value) %>% summarise(n= n()) %>% spread(value, n, fill=0) - Rory Kirchner

@Rory Kirchner 列名应该保持一致。在 gather(...) 中，您创建了一个变量 Val，但在 group_by(...) 和后来的代码中，该变量被丢弃，取而代之的是使用了 value。 - akrun

Hm-- Val -> 对我来说的值：df %>% gather(observation, Val, obs1:obs2) -> owner variable value 作为列名 - Rory Kirchner

你的 spread 方法出现了“索引超出范围”的错误。 - Paulo E. Cardoso

@Paulo Cardoso，之前的版本是可以工作的。现在似乎需要在spread之前执行ungroup()，因为Val是其中一个grouping变量。 - akrun

真的。感谢您更新您的答案。 - Paulo E. Cardoso

Answer 3

如果你不想使用 dplyr，你可以将其拆分为列表。

df <- split(df, list(df[[obs1]], df[[obs2]])

如果你想要 count，只需创建一个sapply或lapply调用来遍历列表并获取每个列表的计数。或者使用任何其他你想要的函数。

- black_sheep07