require(plyr)
require(dplyr)
set.seed(8)
df <- data.frame(
group = sample(c("A","B"), 10, replace=T),
subgroup = sample(c("a", "b", "c"),10, replace=T),
value = runif(10, -1,1)
)
df %>% arrange(group,subgroup)
给出:
group subgroup value
1 A a -0.1841505
2 A a 0.3265360
3 A a -0.8045035
4 A b -0.5526222
5 B a 0.2238653
6 B a 0.0552373
7 B b 0.2297515
8 B b -0.5700525
9 B b 0.6347312
10 B c 0.9550054
我可以指示值是高还是低，例如:
df2<-
df %>% mutate(reg = ifelse(value > 0, "high", "low"))
df2
给出:
group subgroup value reg
1 A b -0.5526222 low
2 A a -0.1841505 low
3 B b 0.2297515 high
4 B b -0.5700525 low
5 A a 0.3265360 high
6 B c 0.9550054 high
7 A a -0.8045035 low
8 B a 0.2238653 high
9 B a 0.0552373 high
10 B b 0.6347312 high
问题: 我希望获得列 low.group、high.group、low.subgroup 和 high.subgroup 指示在该组中找到多少次高值和低值(我想到了 dplyr 的 group_by(group) 和 n() ，也许使用 summarise()) 并在组 + 子组级别 (group_by(group, subgroup))。这将生成一个 6 行 x 6 列的数据框(A/B 和 a/b/c 的组合，以及列 group、subgroup、low.group 、high.group、low.subgroup 和 high.subgroup)。第一列应为 (A, a, 3, 1, 2, 1)，第二列应为 (A, b, 3, 1, 1, 0) 等。 我可以计算例如作者:
df %>%
group_by(group,reg) %>%
mutate(n.group=n())
但是如何将 n.group 拆分为 low.group 和 high.group 两列。子组也有同样的问题。
我确信 plyr、dplyr 和 reshape2 中的函数可以实现这种组合计数和汇总，但是如何实现呢？
更新: 这是我得到的手工结果:
group subgroup low.group high.group low.subgroup high.subgroup
A a 3 1 2 1
A b 3 1 1 0
A c 3 1 0 0
B a 1 5 0 1
B b 1 5 1 2
B c 1 5 0 1
请您参考如下方法:
有点长，但似乎达到了预期的效果:
library(dplyr)
library(tidyr)
df %>%
mutate(value = ifelse(value > 0, "high", "low")) %>%
group_by(group, subgroup, value) %>%
mutate(sub = n()) %>%
group_by(group, value) %>%
mutate(grp = n()) %>%
distinct(group, subgroup, value) %>%
gather(key, val, sub:grp) %>%
unite(x, value:key, sep = ".") %>%
spread(x, val, fill = 0)
#Source: local data frame [5 x 6]
#
# group subgroup high.grp high.sub low.grp low.sub
#1 A a 1 1 3 2
#2 A b 0 0 3 1
#3 B a 5 2 0 0
#4 B b 5 2 1 1
#5 B c 5 1 0 0
请注意，组合 A-c 不会出现在示例数据中，因此不会出现在输出中。