使用plyr计算行总百分比

Question

我目前正在使用cast函数在一个融合的表格上计算每个值在ID1（行名）和ID2（列标题）组合下的总和，同时使用margins="grand_col"为每一行计算总计。

c <- cast(m, ID1 ~ ID2, sum, margins="grand_col")

  ID1      ID2a  ID2b     ID2c     ID2d   ID2e    (all)
1  ID1a  6459695  885473  648019  453613 1777308 10224108
2  ID1b  7263529 1411355  587785  612730 2458672 12334071
3  ID1c  7740364 1253524  682977  886897 3559283 14123045

到目前为止，与R相似。

然后，我将每个单元格除以其所在行的总和，以获得总数的百分比。

c[,2:6]<-c[,2:6] / c[,7]

这看起来有点笨拙。在第一个命令中，我是否应该在cast或plyr中进行一些处理以处理边距百分比？

谢谢， 马特

- MW Frost

---

我在这里没有任何好主意。希望有人能提供！ - hadley

Answer 1

假设您的源表格看起来像这样：

dfm <- structure(list(ID1 = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 
2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("ID1a", "ID1b", "ID1c"
), class = "factor"), ID2 = structure(c(1L, 1L, 1L, 2L, 
2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L), .Label = c("ID2a", 
"ID2b", "ID2c", "ID2d", "ID2e"), class = "factor"), value = c(6459695L, 
7263529L, 7740364L, 885473L, 1411355L, 1253524L, 648019L, 587785L, 
682977L, 453613L, 612730L, 886897L, 1777308L, 2458672L, 3559283L
)), .Names = c("ID1", "ID2", "value"), row.names = c(NA, 
-15L), class = "data.frame")

> head(dfm)
   ID1  ID2   value
1 ID1a ID2a 6459695
2 ID1b ID2a 7263529
3 ID1c ID2a 7740364
4 ID1a ID2b  885473
5 ID1b ID2b 1411355
6 ID1c ID2b 1253524

首先使用ddply计算百分比，然后使用cast以所需格式呈现数据。

library(reshape)
library(plyr)

df1 <- ddply(dfm, .(ID1), summarise, ID2 = ID2, pct = value / sum(value))
dfc <- cast(df1, ID1 ~ ID2)

dfc
   ID1      ID2a       ID2b       ID2c       ID2d      ID2e
1 ID1a 0.6318101 0.08660638 0.06338147 0.04436700 0.1738350
2 ID1b 0.5888996 0.11442735 0.04765539 0.04967784 0.1993399
3 ID1c 0.5480662 0.08875735 0.04835905 0.06279786 0.2520195

与您的示例相比，这个缺少了行总计，需要单独添加。

不过，我不确定这个解决方案是否比您当前拥有的更优雅。

- learnr

---

这个解决方案更好，因为列索引不需要硬编码，并且我可以不计算列总和。已确认为答案。同时，在您的ddply命令中，ID2=ID2参数发生了什么情况？ - MW Frost

ddply的summarise参数会创建一个新的数据框，如果没有指定ID2，那么新的数据框只会有两列 - ID1和pct。 - learnr

Answer 2

这是一个使用tapply和prop.table的一行代码。它不依赖于任何辅助程序包：

prop.table(tapply(dfm$value, dfm[1:2], sum), 1)

提供：

      ID2
ID1         ID2a       ID2b       ID2c       ID2d      ID2e
  ID1a 0.6318101 0.08660638 0.06338147 0.04436700 0.1738350
  ID1b 0.5888996 0.11442735 0.04765539 0.04967784 0.1993399
  ID1c 0.5480662 0.08875735 0.04835905 0.06279786 0.2520195

或者选择这个更短的选项：

prop.table( xtabs(value ~., dfm), 1 )

- G. Grothendieck