计算具有不同分母的不同元素的分列比例。

Question

我有一个60列表，每列的值如下:是的，不，NA，NP。

    A   B   C
1  YES NO  NO
2  NA  NA  NA
3 YES NO  YES
4  NP  NP  NP

我需要计算多个比例，每个比例都有一个不同的分母：

示例：

“是”和“否”的百分比(YES / (YES + NO))

NP占除NA's以外的所有国家的百分比(NP / (YES + NO + NP))

NA占全部的百分比(NA / rows)

上述数据框架的预期结果：

%YES.A  %NP.A  %NA.A  %YES.B
  100%    33%    25%    0%

到目前为止我尝试过的：

尝试将dplyr与mutate结合使用，但需要为60列中的每一列创建7列。每个值四次，每百分比三次。

尝试了revalue，但是太多列的相同问题

mydata$A.NO <- revalue(mydata$A, c("NO" = 1))  
mydata$A.YES <- revalue(mydata$A,c("YES" = 1)) 

希望有人能引导我找到一个更好的解决方案或任何我应该阅读的图书馆。

Answer 1

我要做的第一步是将数据重新格式化为长格式，然后按组计算百分比：

library(dplyr)
library(tidyr)

mydf %>% 
  gather(key, val) %>%
  group_by(key) %>% 
  summarise(pYes = 100*sum(val=="YES",na.rm=TRUE)/sum(val %in% c("YES","NO"),na.rm=TRUE),
            pNP = 100*sum(val=="NP",na.rm=TRUE)/sum(val %in% c("YES","NO","NP"),na.rm=TRUE),
            pNA = 100*sum(is.na(val))/n())

这意味着：

Source: local data frame [3 x 4]

    key  pYes      pNP   pNA
  (chr) (dbl)    (dbl) (dbl)
1     A   100 33.33333    25
2     B     0 33.33333    25
3     C    50 33.33333    25

通过添加gather(percentage, val, -key)作为最后一步，您可以将此结果重组为与下面相同的格式。

要做到这一点，您可以先总结，然后将其重塑为长格式：

mydf %>% 
  summarise_each(funs(pYes = sum(.=="YES",na.rm=TRUE)/sum(.%in% c("YES","NO"),na.rm=TRUE),
                      pNP = 100*sum(.=="NP",na.rm=TRUE)/sum(. %in% c("YES","NO","NP"),na.rm=TRUE),
                      pNA = 100*sum(is.na(.))/n())) %>%
  gather(key, val) %>%
  separate(key, c("column","percentage"), sep="_")

这意味着：

  column percentage       val
1      A       pYes 100.00000
2      B       pYes   0.00000
3      C       pYes  50.00000
4      A        pNP  33.33333
5      B        pNP  33.33333
6      C        pNP  33.33333
7      A        pNA  25.00000
8      B        pNA  25.00000
9      C        pNA  25.00000

Answer 2

这是你在基地-R的一个解决方案。由于您只需要摘要度量，所以不需要创建新列。我们只是创建一个新的摘要数据对象。

首先，我们编写一个custum函数来计算一个向量(列)所需的所有内容。我已经做了两个例子，但是您可以很容易地展开：

myfun <- function(x){
  res <- c(YES=sum(x=="YES",na.rm=T)/sum(x %in% c("YES","NO"),na.rm=T),
                    NP=sum(x=="NP",na.rm=T)/length(na.omit(x)))
  res
}

然后，我们简单地使用lapply将此函数应用于所有列：

res <- lapply(dat, myfun)

这给出了一个向量列表(您可以很容易地更改函数中的内容；您想要一个列表、向量、数据文件还是data.table?)

我们可以把它们结合起来：

do.call(rbind,res)
  YES        NP
A 1.0 0.3333333
B 0.0 0.3333333
C 0.5 0.3333333

Answer 3

将数据帧转换为数据表使其速度提高了大约50%。

dt <- data.table(df)
dt[, sapply(.SD, myfun)]

df是原始的数据框架，myfun是Heroka提供的以下功能：

myfun <- function(x){
  res <- c(YES=sum(x=="YES",na.rm=T)/sum(x %in% c("YES","NO"),na.rm=T),
                    NP=sum(x=="NP",na.rm=T)/length(na.omit(x)))
  res
}