因素汇总

Question

我到处搜索，但是如果变量是一个因子，而不是使用group_by的整数，我似乎无法理解如何获得多个项的汇总计数。我肯定我错过了一个简单的窍门。

与同一个病人相关的多个时间段是很常见的，为了保持数据的整洁，一些变量(如性别)不会改变，而是在每个时间段重复。

示例：

df <- tibble(patient_id = rep(1:4, each = 3),
             time_period = as_factor(rep(c("0 weeks", "6 weeks", "12 weeks"), times = 4)),
             gender = as_factor(rep(c("female", "male"), each = 3, times = 2)))

这给出了以下tibble：

   # A tibble: 12 × 3
   patient_id time_period gender
        <int> <fct>       <fct> 
 1          1 0 weeks     female
 2          1 6 weeks     female
 3          1 12 weeks    female
 4          2 0 weeks     male  
 5          2 6 weeks     male  
 6          2 12 weeks    male  
 7          3 0 weeks     female
 8          3 6 weeks     female
 9          3 12 weeks    female
10          4 0 weeks     male  
11          4 6 weeks     male  
12          4 12 weeks    male  

尝试以下几点：

df %>% 
  select(!time_period) %>%
  group_by(patient_id) %>% 
  count(gender)

只给出：

# A tibble: 4 × 3
# Groups:   patient_id [4]
  patient_id gender     n
       <int> <fct>  <int>
1          1 female     3
2          2 male       3
3          3 female     3
4          4 male       3

而我正在寻找的是女性和男性患者的总人数，一旦重复的时间周期下降到一个单一的水平，即2名女性和2名男性总体上。

Answer 1

df %>% distinct(patient_id, gender) %>% count(gender)

# A tibble: 2 x 2
  gender     n
  <fct>  <int>
1 female     2
2 male       2