使用data.table制作简单频率表

Question

我正在寻找一种通过data.table进行简单聚合/计数的方法。

考虑鸢尾花数据，每个物种有50个观测结果。为了计算每个物种的观测结果数量，我必须在除"Species"以外的列上进行汇总，例如"Sepal.Length"。

library(data.table)
dt = as.data.table(iris)
dt[,length(Sepal.Length), Species]

我觉得这很令人困惑，因为乍一看好像我正在对Sepal.Length做些什么，但实际上只有Species是相关的。

这是我更喜欢说的话，但我没有得到有效的输出：

dt[,length(Species), Species]

输入输出正确，但代码笨拙：

> dt[,length(Sepal.Length), Species]
Species V1
1:     setosa 50
2: versicolor 50
3:  virginica 50

错误的输入输出，但代码更加清晰简洁:

> dt[,length(Species), Species]
Species V1
1:     setosa  1
2: versicolor  1
3:  virginica  1

有没有一个优雅的方法来解决这个问题？

- geneorama

Answer 1

data.table中有几个符号可以在j表达式中使用。特别是，.N将为您提供每个组中的行数。

• .N将为您提供每个组中的行数。

请参阅?data.table了解by的详细信息。

高级选项：当按by或按i分组时，可以在j表达式中使用符号.SD、.BY和.N，这些符号定义如下。

....

.N是一个整数，长度为1，包含组中的行数。

例如：

dt[, .N ,by = Species]

     Species  N
1:     setosa 50
2: versicolor 50
3:  virginica 50

- mnel

---

有没有办法将这个代码组合起来，并按计数（.N）进行排序？--算了，我在帮助文档中找到了解决方法：DT[,sum(v),x][order(-V1)]。 - Gaffi

@mnel 有没有一个简单的一行代码可以给出频率/数量/计数所代表的数量和百分比（或比例）？ - Farrel

@Farrel做dt[,.N,by=Species][,prop := N/sum(N)]足够吗？ - mnel

如果你给它分配了一个对象，它就会在那里。data.table 有一个魔法技巧可以阻止 := 自动打印结果（从1.8.4版本开始） - 你已经发现了强制打印的惯用方法（把代码用括号包起来）。 - mnel

@mnel 我现在记得了。谢谢。 - Farrel

Answer 2

一种更具普适性的方法是

dt[, table(col2bCount)%>%as.data.frame, by= .(col1,col2,col3,...)]

关键优势在于列col2bCount和col1,2,3可以是不同的（或相同的），这意味着您可以按不同的列对一列中的频率进行计算。

- Jin