计算每一列中出现的频率

Question

我正在尝试计算每一列中特定值的出现频率。

基本上，我正在研究不同的细菌分离株(由每行代表)对不同抗生素(代表每列)的治疗的反应。"1“表示该分离株对抗生素具有抵抗力，而"0”表示该分离株对抗生素敏感。

antibiotic1 <- c(1, 1, 0, 1, 0, 1, NA, 0, 1)
antibiotic2 <- c(0, 0, NA, 0, 1, 1, 0, 0, 0)
antibiotic3 <- c(0, 1, 1, 0, 0, NA, 1, 0, 0)

ab <- data.frame(antibiotic1, antibiotic2, antibiotic3)

ab
       antibiotic1 antibiotic2 antibiotic3
1           1           0           0
2           1           0           1
3           0          NA           1
4           1           0           0
5           0           1           0
6           1           1          NA
7          NA           0           1
8           0           0           0
9           1           0           0

所以看第一行，分离株1对抗生素1具有抵抗力，对抗生素2敏感，对抗生素3敏感。

我想计算一下对每种抗生素都有抵抗力的菌株。即对每一列中的“1”的数量求和，并除以每一列中的分离物的数量(从我的分母中排除NAs )。

我知道如何计数：

apply(ab, 2, count)

$antibiotic1
   x   freq
1  0    3
2  1    5
3 NA    1

$antibiotic2
   x freq
1  0    6
2  1    2
3 NA    1

$antibiotic3
   x freq
1  0    5
2  1    3
3 NA    1

但我的实际数据集包含许多不同的抗生素和数百个分离物，因此我希望能够同时对所有列运行一个函数，以生成一个数据帧。

我试过了

counts <- ldply(ab, function(x) sum(x=="1")/(sum(x=="1") +  sum(x=="0")))

但这会产生NAs：

          .id V1
1 antibiotic1 NA
2 antibiotic2 NA
3 antibiotic3 NA

我也尝试过：

library(dplyr)
ab %>%
 summarise_each(n = n())) %>%
 mutate(prop.resis = n/sum(n))

但是会得到一条错误消息，内容是：

Error in n() : This function should not be called directly

任何建议都将不胜感激。

Answer 1

我只需要使用colMeans将其矢量化

colMeans(ab, na.rm = TRUE)
# antibiotic1 antibiotic2 antibiotic3 
#       0.625       0.250       0.375 

顺便说一句，这可以很容易地推广到计算任何数字的频率。例如，如果要在所有列中查找数字2的频率，可以简单地修改为colMeans(ab == 2, na.rm = TRUE)

或者类似地，只是(这避免了矩阵转换与按列求值的权衡)

sapply(ab, mean, na.rm = TRUE)
# antibiotic1 antibiotic2 antibiotic3 
#       0.625       0.250       0.375

Answer 2

这个问题的另一个答案是，这是你想要的吗？

antibiotic1 <- c(1, 1, 0, 1, 0, 1, NA, 0, 1)
antibiotic2 <- c(0, 0, NA, 0, 1, 1, 0, 0, 0)
antibiotic3 <- c(0, 1, 1, 0, 0, NA, 1, 0, 0)

ab <- data.frame(antibiotic1, antibiotic2, antibiotic3)


result <- vector()
for (i in 1:dim(ab)[2]) {
    print(sum(ab[i],na.rm = TRUE)/dim(na.omit(ab[i]))[1])        
    result <- c(result,sum(ab[i],na.rm = TRUE)/dim(na.omit(ab[i]))[1])
}

result

0.625 0.250 0.375

Answer 3

这里有一种方法：

antibiotic1 antibiotic2 antibiotic3
1           0           0
1           0           1
0          NA           1
1           0           0
0           1           0
1           1          NA
NA          0           1
0           0           0
1           0           0

dat <- read.table(file="clipboard",header=T)
sapply(dat, function(x) prop.table(table(x,useNA = "no"))[[2]])

antibiotic1 antibiotic2 antibiotic3 
      0.625       0.250       0.375