Frekuensi / proporsi relatif dengan dplyr

Coba ini:

mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))

#   am gear  n      freq
# 1  0    3 15 0.7894737
# 2  0    4  4 0.2105263
# 3  1    4  8 0.6153846
# 4  1    5  5 0.3846154

Dari dplyr vignette :

Saat Anda mengelompokkan berdasarkan beberapa variabel, setiap ringkasan akan memisahkan satu tingkat pengelompokan. Hal ini memudahkan untuk menggabungkan kumpulan data secara bertahap.

Jadi, setelah summarise, variabel pengelompokan terakhir yang ditentukan dalam group_by, 'roda gigi', dihilangkan. Pada langkah mutate, data dikelompokkan berdasarkan variabel pengelompokan yang tersisa, di sini 'am'. Anda dapat memeriksa pengelompokan di setiap langkah dengan groups.

Hasil dari pengelupasan tentu saja bergantung pada urutan variabel pengelompokan dalam panggilan group_by. Anda mungkin ingin melakukan group_by(am) berikutnya, untuk membuat kode Anda lebih eksplisit.

Untuk pembulatan dan prettifikasi, silakan lihat jawaban bagus dari @Tyler Rinker.

Anda dapat menggunakan fungsi count(), yang memiliki perilaku berbeda tergantung pada versi dplyr:

• dplyr 0.7.1: mengembalikan tabel tidak dikelompokkan: Anda perlu mengelompokkannya lagi berdasarkan am

• dplyr ‹ 0.7.1: mengembalikan tabel yang dikelompokkan, jadi tidak perlu mengelompokkan lagi, meskipun Anda mungkin ingin ungroup() untuk manipulasi nanti

dplyr 0.7.1

mtcars %>%
  count(am, gear) %>%
  group_by(am) %>%
  mutate(freq = n / sum(n))

dplyr ‹ 0.7.1

mtcars %>%
  count(am, gear) %>%
  mutate(freq = n / sum(n))

Ini menghasilkan tabel yang dikelompokkan, jika Anda ingin menggunakannya untuk analisis lebih lanjut, mungkin berguna untuk menghapus atribut dikelompokkan dengan ungroup().

@ Henrik lebih baik untuk kegunaan karena ini akan membuat karakter kolom dan tidak lagi numerik tetapi cocok dengan apa yang Anda minta...

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = paste0(round(100 * n/sum(n), 0), "%"))

##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

EDIT Karena Spacedman memintanya :-)

as.rel_freq <- function(x, rel_freq_col = "rel.freq", ...) {
    class(x) <- c("rel_freq", class(x))
    attributes(x)[["rel_freq_col"]] <- rel_freq_col
    x
}

print.rel_freq <- function(x, ...) {
    freq_col <- attributes(x)[["rel_freq_col"]]
    x[[freq_col]] <- paste0(round(100 * x[[freq_col]], 0), "%")   
    class(x) <- class(x)[!class(x)%in% "rel_freq"]
    print(x)
}

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = n/sum(n)) %>%
  as.rel_freq()

## Source: local data frame [4 x 4]
## Groups: am
## 
##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

Saya menulis fungsi kecil untuk tugas berulang ini:

count_pct <- function(df) {
  return(
    df %>%
      tally %>% 
      mutate(n_pct = 100*n/sum(n))
  )
}

Saya kemudian dapat menggunakannya seperti:

mtcars %>% 
  group_by(cyl) %>% 
  count_pct

Ini mengembalikan:

# A tibble: 3 x 3
    cyl     n n_pct
  <dbl> <int> <dbl>
1     4    11  34.4
2     6     7  21.9
3     8    14  43.8

Meskipun banyak jawaban, satu pendekatan lagi yang menggunakan prop.table dikombinasikan dengan dplyr atau data.table.

library("dplyr")
mtcars %>%
    group_by(am, gear) %>%
    summarise(n = n()) %>%
    mutate(freq = prop.table(n))

library("data.table")
cars_dt <- as.data.table(mtcars)
cars_dt[, .(n = .N), keyby = .(am, gear)][, freq := prop.table(n) , by = "am"]

Berikut adalah fungsi umum yang mengimplementasikan solusi Henrik pada dplyr 0.7.1.

freq_table <- function(x, 
                       group_var, 
                       prop_var) {
  group_var <- enquo(group_var)
  prop_var  <- enquo(prop_var)
  x %>% 
    group_by(!!group_var, !!prop_var) %>% 
    summarise(n = n()) %>% 
    mutate(freq = n /sum(n)) %>% 
    ungroup
}

Berikut adalah jawaban basis R menggunakan aggregate dan ave :

df1 <- with(mtcars, aggregate(list(n = mpg), list(am = am, gear = gear), length))
df1$prop <- with(df1, n/ave(n, am, FUN = sum))
#Also with prop.table
#df1$prop <- with(df1, ave(n, am, FUN = prop.table))
df1

#  am gear  n      prop
#1  0    3 15 0.7894737
#2  0    4  4 0.2105263
#3  1    4  8 0.6153846
#4  1    5  5 0.3846154 

Kita juga dapat menggunakan prop.table tetapi keluarannya berbeda.

prop.table(table(mtcars$am, mtcars$gear), 1)
   
#            3         4         5
#  0 0.7894737 0.2105263 0.0000000
#  1 0.0000000 0.6153846 0.3846154

Demi kelengkapan pertanyaan populer ini, sejak dplyr versi 1.0.0, parameter .groups mengontrol struktur pengelompokan fungsi summarise setelah group_by bantuan rangkum.

Dengan .groups = "drop_last", summarise menghilangkan level pengelompokan terakhir. Ini adalah satu-satunya hasil yang diperoleh sebelum versi 1.0.0.

library(dplyr)
library(scales)

original <- mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq =  scales::percent(n/sum(n), accuracy = 0.1))
#> `summarise()` regrouping output by 'am' (override with `.groups` argument)

original
#> # A tibble: 4 x 4
#> # Groups:   am [2]
#>      am  gear     n rel.freq
#>   <dbl> <dbl> <int> <chr>   
#> 1     0     3    15 78.9%   
#> 2     0     4     4 21.1%   
#> 3     1     4     8 61.5%   
#> 4     1     5     5 38.5%

new_drop_last <- mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n(), .groups = "drop_last") %>%
  mutate(rel.freq =  scales::percent(n/sum(n), accuracy = 0.1))

dplyr::all_equal(original, new_drop_last)
#> [1] TRUE

Dengan .groups = "drop", semua level pengelompokan dihilangkan. Hasilnya berubah menjadi tibble mandiri tanpa jejak group_by sebelumnya

# .groups = "drop"
new_drop <- mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n(), .groups = "drop") %>%
  mutate(rel.freq =  scales::percent(n/sum(n), accuracy = 0.1))

new_drop
#> # A tibble: 4 x 4
#>      am  gear     n rel.freq
#>   <dbl> <dbl> <int> <chr>   
#> 1     0     3    15 46.9%   
#> 2     0     4     4 12.5%   
#> 3     1     4     8 25.0%   
#> 4     1     5     5 15.6%

Jika .groups = "keep", struktur pengelompokan sama dengan .data (mtcars, dalam hal ini). summarise tidak menghilangkan variabel apa pun yang digunakan di group_by.

Terakhir, dengan .groups = "rowwise", setiap baris adalah grupnya sendiri. Ini setara dengan tetap berada dalam situasi ini

# .groups = "keep"
new_keep <- mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n(), .groups = "keep") %>%
  mutate(rel.freq =  scales::percent(n/sum(n), accuracy = 0.1))

new_keep
#> # A tibble: 4 x 4
#> # Groups:   am, gear [4]
#>      am  gear     n rel.freq
#>   <dbl> <dbl> <int> <chr>   
#> 1     0     3    15 100.0%  
#> 2     0     4     4 100.0%  
#> 3     1     4     8 100.0%  
#> 4     1     5     5 100.0%

# .groups = "rowwise"
new_rowwise <- mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n(), .groups = "rowwise") %>%
  mutate(rel.freq =  scales::percent(n/sum(n), accuracy = 0.1))

dplyr::all_equal(new_keep, new_rowwise)
#> [1] TRUE

Hal lain yang menarik adalah terkadang, setelah menerapkan group_by dan summarise, baris ringkasan dapat membantu.

# create a subtotal line to help readability
subtotal_am <- mtcars %>%
  group_by (am) %>% 
  summarise (n=n()) %>%
  mutate(gear = NA, rel.freq = 1)
#> `summarise()` ungrouping output (override with `.groups` argument)

mtcars %>% group_by (am, gear) %>%
  summarise (n=n()) %>% 
  mutate(rel.freq = n/sum(n)) %>%
  bind_rows(subtotal_am) %>%
  arrange(am, gear) %>%
  mutate(rel.freq =  scales::percent(rel.freq, accuracy = 0.1))
#> `summarise()` regrouping output by 'am' (override with `.groups` argument)
#> # A tibble: 6 x 4
#> # Groups:   am [2]
#>      am  gear     n rel.freq
#>   <dbl> <dbl> <int> <chr>   
#> 1     0     3    15 78.9%   
#> 2     0     4     4 21.1%   
#> 3     0    NA    19 100.0%  
#> 4     1     4     8 61.5%   
#> 5     1     5     5 38.5%   
#> 6     1    NA    13 100.0%

^{Dibuat pada 09-11-2020 oleh paket reprex (v0.3.0)}

Semoga jawaban ini bermanfaat bagi Anda.

Jawaban ini didasarkan pada jawaban Matifou.

Pertama saya memodifikasinya untuk memastikan kolom freq tidak dikembalikan sebagai kolom notasi ilmiah dengan menggunakan opsi scipen.

Lalu saya kalikan jawabannya dengan 100 untuk mendapatkan persen, bukan desimal, agar kolom frekuensi lebih mudah dibaca sebagai persentase.

getOption("scipen") 
options("scipen"=10) 
mtcars %>%
count(am, gear) %>% 
mutate(freq = (n / sum(n)) * 100)

Juga, coba add_count() (untuk menyiasati group_by .groups yang mengganggu)

`mtcars %>% 
  count(am, gear) %>% 
  add_count(am, wt = n) %>% 
  mutate(pct = n / nn)`