Сокращение уровней переменной фактора в одном столбце при суммировании значений в другом

Question

У меня изначально были данные различной ширины (4 строки с 158 столбцами), которые я использовал reshape::melt() для создания длинного набора данных (624 строки x 3 столбца).

Теперь у меня есть такой набор данных:

   demo <- data.frame(region = as.factor(c("North", "South", "East", "West")),
                       criteria = as.factor(c("Writing_1_a", "Writing_2_a", "Writing_3_a", "Writing_4_a", 
                                              "Writing_1_b", "Writing_2_b", "Writing_3_b", "Writing_4_b")), 
                       counts = as.integer(c(18, 27, 99, 42, 36, 144, 99, 9)))

Который производит таблицу, аналогичную приведенной ниже:

     region   criteria      counts
     North    Writing_1_a       18
     South    Writing_2_a       27
     East     Writing_3_a       99
     West     Writing_4_a       42
     North    Writing_1_b       36
     South    Writing_2_b      144
     East     Writing_3_b       99
     West     Writing_4_b        9

Теперь я хочу создать что-то вроде этого:

goal <- data.frame(region = as.factor(c("North", "South", "East", "West")),
                   criteria = as.factor(c("Writing_1", "Writing_2", "Writing_3", "Writing_4")), 
                   counts = as.integer(c(54, 171, 198, 51)))

То есть, когда я сворачиваю столбцы критериев, он суммирует значения:

region  criteria     counts
North   Writing_1        54
South   Writing_2       171
East    Writing_3       198
West    Writing_4        51

Я пытался использовать forcats::fct_collapse и forcats::recode(), но безрезультатно - я уверен, что просто делаю это неправильно. Заранее благодарю за любую помощь, которую вы можете оказать.

Answer 1

Вы можете подумать о том, что именно вы пытаетесь сделать, чтобы изменить уровни факторов - fct_collapse вручную свернет несколько уровней в один уровень, а fct_recode вручную изменит метки отдельных уровней. То, что вы пытаетесь сделать, это изменить все метки, основываясь на применении некоторой функции, в этом случае fct_relabel подходит.

Вы можете написать анонимную функцию при вызове fct_relabel или просто передать ей имя функции и аргументы этой функции. В этом случае вы можете использовать stringr::str_remove, чтобы найти и удалить шаблон регулярного выражения, и регулярное выражение, например _[a-z]$, чтобы удалить любое подчеркивание, а затем строчную букву, которая появляется в конце строки. Таким образом, он должен хорошо масштабироваться с вашими реальными данными, но вы можете изменить его, если нет.

library(tidyverse)
...
new_crits <- demo %>%
  mutate(crit_no_digits = fct_relabel(criteria, str_remove, "_[a-z]$"))

new_crits
#>   region    criteria counts crit_no_digits
#> 1  North Writing_1_a     18      Writing_1
#> 2  South Writing_2_a     27      Writing_2
#> 3   East Writing_3_a     99      Writing_3
#> 4   West Writing_4_a     42      Writing_4
#> 5  North Writing_1_b     36      Writing_1
#> 6  South Writing_2_b    144      Writing_2
#> 7   East Writing_3_b     99      Writing_3
#> 8   West Writing_4_b      9      Writing_4

Проверка того, что эта новая переменная имеет только нужные вам уровни:

levels(new_crits$crit_no_digits)
#> [1] "Writing_1" "Writing_2" "Writing_3" "Writing_4"

А затем подведение итогов на основе этого нового фактора:

new_crits %>%
  group_by(crit_no_digits) %>%
  summarise(counts = sum(counts))
#> # A tibble: 4 x 2
#>   crit_no_digits counts
#>   <fct>           <int>
#> 1 Writing_1          54
#> 2 Writing_2         171
#> 3 Writing_3         198
#> 4 Writing_4          51

^{Создано в 2018-11-04 пакетом представительство (v0.2.1)}

Answer 2

Решение dplyr с использованием регулярных выражений:

demo %>% 
  mutate(criteria = gsub("(_a)|(_b)", "", criteria)) %>%
  group_by(region, criteria) %>% 
  summarize(counts = sum(counts)) %>% 
  arrange(criteria) %>% 
  as.data.frame

  region  criteria counts
1  North Writing_1     54
2  South Writing_2    171
3   East Writing_3    198
4   West Writing_4     51