мультигруппа с подсчетом и процентами

Question

Давайте предположим, что у меня есть это df:

> df <- data.frame(letter = sample(letters[1:4], 15, replace=TRUE),
+                  time = c("one", "one", "one", "two", "two", "one", "two", "two", "two", "one","one","one","two","one","two"),
+                  stringsAsFactors = FALSE)
> df
   letter time
1       d  one
2       a  one
3       a  one
4       b  two
5       c  two
6       a  one
7       d  two
8       a  two
9       b  two
10      b  one
11      d  one
12      b  one
13      c  two
14      a  one
15      a  two

Где я собираюсь сгруппировать их по Value и создать столбец time_one и другой столбец с именем time_two с соответствующими значениямина Value плюс их соответствующие проценты.Это моя отправная точка:

> x <- df %>%
+ mutate(Value = letter,
+       n = n()) %>%
+ group_by(Value) %>%
+ summarise(Quantity = length(Value),
+          Percentage = first(length(Value)/n))
> x
  Value Quantity  Percentage
1 a            6           0.4  
2 b            4           0.267
3 c            2           0.133
4 d            3           0.2  

Как вы можете видеть выше, у меня есть счетчик для каждого Value, но мне нужно, чтобы каждый Quantity из каждого Value был отделен one и two значения из столбца времени.Итак, я закончу примерно так:

  Value time_one  Percentage   time_two    Percentage
1 a            5  0.5          1           0.2     
2 b            2  0.2          2           0.4    
3 c            1  0.1          1           0.2       
4 d            2  0.2          1           0.2

PS : я проверил два на два таблицу и , создав таблицу для частоты ответов, и они близки к ответу, который я ищу, но, поскольку я до сих пор не очень хорошо понимаю комбинации %>%, group_by, mutate, summarise, это был своего родаочень крутая кривая обучения, чтобы использовать их, чтобы разделить счет и процент этих решений, чтобы получить то, что мне нужно.

Answer 1

С tidyverse вы можете попробовать:

df %>%
 group_by(time) %>%
 mutate(n_time = n()) %>%
 group_by(time, letter) %>%
 summarise(n = n(),
           percentage = first(n()/n_time)) %>%
 ungroup() %>%
 gather(var, val, -c(time, letter)) %>%
 mutate(var = paste(var, time, sep = "_")) %>%
 select(-time) %>%
 spread(var, val) 

  letter n_one n_two percentage_one percentage_two
  <chr>  <dbl> <dbl>          <dbl>          <dbl>
1 a         3.    2.          0.375          0.286
2 b         2.   NA           0.250         NA    
3 c         2.    2.          0.250          0.286
4 d         1.    3.          0.125          0.429

Здесь он, во-первых, рассчитывает количество за «время».Во-вторых, он рассчитывает количество за «время» и «букву» и долю данного письма от общего количества за данное время.В-третьих, он преобразует данные из широкого в длинный формат и создает новые имена переменных, которые указывают время.Наконец, он возвращает данные в желаемый формат.

Answer 2

Использование data.table:

library(data.table)
library(magrittr)
setDT(df)

df[, .N, by = .(letter, time)
   ][, .(N, percentage = N/sum(N), letter), by = time] %>% 
  dcast(letter ~ time, value.var = c("N", "percentage"), fill = 0)

   letter N_one N_two percentage_one percentage_two
1:      a     4     2           0.50      0.2857143
2:      b     2     2           0.25      0.2857143
3:      c     0     2           0.00      0.2857143
4:      d     2     1           0.25      0.1428571

data

df <- structure(list(letter = c("d", "a", "a", "b", "c", "a", "d", 
"a", "b", "b", "d", "b", "c", "a", "a"), time = c("one", "one", 
"one", "two", "two", "one", "two", "two", "two", "one", "one", 
"one", "two", "one", "two")), row.names = c(NA, -15L), class = "data.frame")

Answer 3

Боюсь, я не использую современную приборку R, но вот решение для базы R, если оно приемлемо для ваших нужд.

df <- data.frame(letter = sample(letters[1:4], 15, replace=TRUE),
                 time = c("one", "one", "one", "two", "two", "one", "two", "two", "two", "one","one","one","two","one","two"),
                 stringsAsFactors = FALSE)
# make sure your letter is a factor with all levels otherwise the subsequent cbind doesn#t work
df$letter = factor(df$letter, levels=letters[1:4])

# get the counts 
x = sapply(split(df$letter, df$time), table)

# get the percentages and cbind together 
x2 = cbind(x, apply(x, 2, function(x) x/sum(x)))

colnames(x2) = c("time_one", "time_two", "percent_one", "percent_two")


  time_one time_two percent_one percent_two
a        0        1         0.0   0.1428571
b        4        4         0.5   0.5714286
c        0        1         0.0   0.1428571
d        4        1         0.5   0.1428571