按組和 R 中的多列匯總

Question

我有一個數據框，其中包含學生的一些基本信息。 我想獲得關於年齡、性別和群體的匯總統計數據。

set.seed(500)
testdf <- data.frame(ID = paste0("Stu", c(1:10)),
                     Age = sample(18:25, 10, replace = T),
                     Sex =  sample(c("Boy", "Girl", "NA"), 10, replace = T),
                     Name = c("Pwyll","Flavian","Leehi","Zuzana","Aniya","Bogomil"
                              ,"Lameez","Prudencia","Ikuo","Grayson"),
                     GroupMath = sample(LETTERS[1:2], 10, replace = T),
                     GroupEng = sample(LETTERS[1:2], 10, replace = T),
                     GroupScie = sample(LETTERS[1:2], 10, replace = T),
                     GroupChine = sample(LETTERS[1:2], 10, replace = T))

我希望它看起來像這張照片。（所需的輸出。）

在我的代碼中，我使用三個部分來處理 GroupMath，然后是 GroupEng，然后是 GroupScie，然后是 GroupChine。 有誰知道我怎樣才能提高效率？ 我怎么感謝你都不為過。

N.math <- testdf %>% group_by(GroupMath) %>% count(GroupMath) 

Age.math <- testdf %>% group_by(GroupMath) %>% summarize(
      Mean = mean(Age),
      Max = max(Age),
      Min = min(Age),
      sd = sd(Age))


Sex.math <- testdf %>% group_by(GroupMath) %>% count(Sex)

Answer 1

將數據透視為長格式

這里至少有一種方法可以簡化您的匯總統計數據，這樣您就不會一個一個地匯總每個組。 首先，您可以使用組和類作為目標變量將數據轉換為長格式，然后匯總這些組的數據。 首先，支點：

#### Load Tidyverse ####
library(tidyverse)

#### Pivot to Long Format ####
groups <- testdf %>%
  pivot_longer(cols = contains("Group"),
               names_to = "Class",
               values_to = "Group")
groups

看起來像這樣：

# A tibble: 40 × 6
   ID      Age Sex   Name    Class      Group
   <chr> <int> <chr> <chr>   <chr>      <chr>
 1 Stu1     24 Girl  Pwyll   GroupMath  B    
 2 Stu1     24 Girl  Pwyll   GroupEng   B    
 3 Stu1     24 Girl  Pwyll   GroupScie  A    
 4 Stu1     24 Girl  Pwyll   GroupChine B    
 5 Stu2     20 Girl  Flavian GroupMath  B    
 6 Stu2     20 Girl  Flavian GroupEng   A    
 7 Stu2     20 Girl  Flavian GroupScie  A    
 8 Stu2     20 Girl  Flavian GroupChine B    
 9 Stu3     24 NA    Leehi   GroupMath  A    
10 Stu3     24 NA    Leehi   GroupEng   B 

聚合數據

然后您可以使用類、組和性別聚合數據：

#### Aggregate Data by Class x Group ####
sums <- groups %>% 
  group_by(Class,Group,Sex) %>% 
  summarise(
  Mean = mean(Age),
  Max = max(Age),
  Min = min(Age),
  sd = sd(Age)) %>% 
  ungroup()
sums

如下所示。 請注意，某些值是 NA，因為在某些情況下每個性別只有一個人，因此在這種情況下不存在標准偏差：

# A tibble: 16 × 7
   Class      Group Sex    Mean   Max   Min    sd
   <chr>      <chr> <chr> <dbl> <int> <int> <dbl>
 1 GroupChine A     Boy    24      24    24 NA   
 2 GroupChine A     Girl   22.3    24    21  1.53
 3 GroupChine B     Girl   20      24    18  2.35
 4 GroupChine B     NA     24      24    24 NA   
 5 GroupEng   A     Boy    24      24    24 NA   
 6 GroupEng   A     Girl   20.5    24    19  2.38
 7 GroupEng   B     Girl   21.2    24    18  2.5 
 8 GroupEng   B     NA     24      24    24 NA   
 9 GroupMath  A     Girl   20.8    24    19  2.36
10 GroupMath  A     NA     24      24    24 NA   
11 GroupMath  B     Boy    24      24    24 NA   
12 GroupMath  B     Girl   21      24    18  2.58
13 GroupScie  A     Girl   21.7    24    20  2.08
14 GroupScie  A     NA     24      24    24 NA   
15 GroupScie  B     Boy    24      24    24 NA   
16 GroupScie  B     Girl   20.4    24    18  2.51

然后你可以像這樣得到性別計數：

#### Get Grouped Gender Counts ####
sex <- groups %>% 
  group_by(Class,Group) %>% 
  count(Sex) %>% 
  ungroup()
sex

看起來像這樣：

# A tibble: 16 × 4
   Class      Group Sex       n
   <chr>      <chr> <chr> <int>
 1 GroupChine A     Boy       1
 2 GroupChine A     Girl      3
 3 GroupChine B     Girl      5
 4 GroupChine B     NA        1
 5 GroupEng   A     Boy       1
 6 GroupEng   A     Girl      4
 7 GroupEng   B     Girl      4
 8 GroupEng   B     NA        1
 9 GroupMath  A     Girl      4
10 GroupMath  A     NA        1
11 GroupMath  B     Boy       1
12 GroupMath  B     Girl      4
13 GroupScie  A     Girl      3
14 GroupScie  A     NA        1
15 GroupScie  B     Boy       1
16 GroupScie  B     Girl      5

連接數據框

最后，您可以通過這種方式加入這兩個數據框：

#### Join ####
sums %>% 
  right_join(sex)

給你最終的產品。 您現在可以看到 NA 值的來源，例如僅包含 1 個男孩的第 1 行，使得 SD 無法評估：

Joining, by = c("Class", "Group", "Sex")
# A tibble: 16 × 8
   Class      Group Sex    Mean   Max   Min    sd     n
   <chr>      <chr> <chr> <dbl> <int> <int> <dbl> <int>
 1 GroupChine A     Boy    24      24    24 NA        1
 2 GroupChine A     Girl   22.3    24    21  1.53     3
 3 GroupChine B     Girl   20      24    18  2.35     5
 4 GroupChine B     NA     24      24    24 NA        1
 5 GroupEng   A     Boy    24      24    24 NA        1
 6 GroupEng   A     Girl   20.5    24    19  2.38     4
 7 GroupEng   B     Girl   21.2    24    18  2.5      4
 8 GroupEng   B     NA     24      24    24 NA        1
 9 GroupMath  A     Girl   20.8    24    19  2.36     4
10 GroupMath  A     NA     24      24    24 NA        1
11 GroupMath  B     Boy    24      24    24 NA        1
12 GroupMath  B     Girl   21      24    18  2.58     4
13 GroupScie  A     Girl   21.7    24    20  2.08     3
14 GroupScie  A     NA     24      24    24 NA        1
15 GroupScie  B     Boy    24      24    24 NA        1
16 GroupScie  B     Girl   20.4    24    18  2.51     5