从R中的行制作列联表

Posted 2023-03-29

【中文标题】从R中的行制作列联表

【英文标题】：Make contingency table from rows in R

【发布时间】：2021-05-09 00:01:50

【问题描述】：

我有一个包含 376 列、7 行的 covid 数据框，其中包含 7 个国家/地区的 376 个不同天的 covid 感染数。我已经为它们匹配了不同的严重性类别，现在我正在尝试制作一个列联表，其中包含作为列的严重性类别和作为行的国家。我已经编写了一个函数并且它可以工作，但我仍然想知道是否有更优雅的解决方案可能包括一个 table() 函数，每行都有一个聚合。

我的代码：

  severity <- function(x,countries)
    sev = c("Leicht","Mittel","Schwer")
    res=matrix(ncol=3,nrow=7)
    colnames(res) = sev
    rownames(res) = countries
    for (i in 1:nrow(x))
      for (s in 1:length(sev))
        res[i,s]=length(x2[i,x2[i,]==sev[s]])
      
    
    return(res)

r = severity(x2,covid_world2[,1]) #covid_world2 countains the countrynames, x2 the data with the categories
x = rbind(r,"Z" = colSums(r))
ctable=cbind(x,"S" = rowSums(x))

这只是 x2 中前两行的一个例子（即代表国家 Canada、Germany）

dput(head(covid_world2[, 1:20]))

输出是：

structure(list(Country = c("Canada", "France", "Germany", "Italy", 
"Japan", "United Kingdom"), X1_22_20 = c(0, 0, 0, 0, 1.58132191886678e-08, 
0), X1_23_20 = c(0, 0, 0, 0, 1.58132191886678e-08, 0), X1_24_20 = c(0, 
3.06403006266968e-08, 0, 0, 1.58132191886678e-08, 0), X1_25_20 = c(0, 
4.59604509400452e-08, 0, 0, 1.58132191886678e-08, 0), X1_26_20 = c(2.6495573093152e-08, 
4.59604509400452e-08, 0, 0, 3.16264383773357e-08, 0), X1_27_20 = c(2.6495573093152e-08, 
4.59604509400452e-08, 1.19354613321966e-08, 0, 3.16264383773357e-08, 
0), X1_28_20 = c(5.2991146186304e-08, 6.12806012533936e-08, 4.77418453287863e-08, 
0, 5.53462671603374e-08, 0), X1_29_20 = c(5.2991146186304e-08, 
7.6600751566742e-08, 4.77418453287863e-08, 0, 5.53462671603374e-08, 
0), X1_30_20 = c(5.2991146186304e-08, 7.6600751566742e-08, 4.77418453287863e-08, 
0, 8.69727055376731e-08, 0), X1_31_20 = c(1.05982292372608e-07, 
7.6600751566742e-08, 5.96773066609828e-08, 3.3078723093808e-08, 
1.18599143915009e-07, 2.94611506927399e-08), X02_01_2020 = c(1.05982292372608e-07, 
9.19209018800904e-08, 9.54836906575725e-08, 3.3078723093808e-08, 
1.58132191886678e-07, 2.94611506927399e-08), X02_02_2020 = c(1.05982292372608e-07, 
9.19209018800904e-08, 1.19354613321966e-07, 3.3078723093808e-08, 
1.58132191886678e-07, 2.94611506927399e-08), X02_03_2020 = c(1.05982292372608e-07, 
9.19209018800904e-08, 1.43225535986359e-07, 3.3078723093808e-08, 
1.58132191886678e-07, 1.1784460277096e-07), X02_04_2020 = c(1.05982292372608e-07, 
9.19209018800904e-08, 1.43225535986359e-07, 3.3078723093808e-08, 
1.73945411075346e-07, 1.1784460277096e-07), X02_05_2020 = c(1.3247786546576e-07, 
9.19209018800904e-08, 1.43225535986359e-07, 3.3078723093808e-08, 
1.8185202066968e-07, 1.3257517811733e-07), X02_06_2020 = c(1.3247786546576e-07, 
9.19209018800904e-08, 1.43225535986359e-07, 3.3078723093808e-08, 
1.8185202066968e-07, 1.3257517811733e-07), X02_07_2020 = c(1.85469011652064e-07, 
9.19209018800904e-08, 1.55160997318555e-07, 4.9618084640712e-08, 
1.8185202066968e-07, 1.3257517811733e-07), X02_08_2020 = c(1.85469011652064e-07, 
1.68521653446832e-07, 1.55160997318555e-07, 4.9618084640712e-08, 
1.89758630264014e-07, 1.9149747950281e-07), X02_09_2020 = c(1.85469011652064e-07, 
1.68521653446832e-07, 1.67096458650752e-07, 4.9618084640712e-08, 
1.89758630264014e-07, 2.06228054849179e-07)), row.names = c(NA, 
6L), class = "data.frame")

【问题讨论】：

只是想指出，在 x2 中，值的范围被归类为“Leicht”、“Mittel”或“Schwer”。

此输出已更改，因此我无法访问数据。我了解您可能担心列数。所以你可以用dput(head(covid_world2[, 1:20])) 来获取前20 列。这应该足以创建可重现的示例。

顺便说一句，我使用此功能进行分类：severeness <- function(v) for (i in 1:length(v)) if(v[i]< 0.01) v[i]="Leicht" else if(v[i]>= 0.01 & v[i]<0.05 ) v[i]="Mittel" else if(v[i]>0.05) v[i]="Schwer" return(v) x2=apply(covid_world2[,-1],2,severeness)

【参考方案1】：

library(dplyr)
library(tidyr)

severity <- c("Leicht", "Mitte", "Schwer")
ranges <- c(0, 0.01, 0.05, Inf)

df %>% 
  dplyr::mutate(across(starts_with("X"), ~cut(., ranges, right = F, labels = severity))) %>% 
  tidyr::pivot_longer(cols = -Country,
                      names_to = "Date",
                      values_to = "Severity") %>% 
  dplyr::mutate(across(2, ~ as.Date(., tryFormats = "X%m_%d_%y"))) %>% # can delete line
  tidyr::pivot_wider(id_cols = Country,
                     names_from = Severity,
                     values_from = Severity,
                     values_fn = length)

 Country        Leicht
  <chr>           <int>
1 Canada             19
2 France             19
3 Germany            19
4 Italy              19
5 Japan              19
6 United Kingdom     19

---

工作原理

mutate 将在所有以“X”开头的列中应用函数cut。 Cut 使用提供的范围（不包括上限）并使用向量 severity 中的适当标签标记这些范围内的值。

cut(0.01, range, right = F)
[1] [0.01,0.05)
Levels: [0,0.01) [0.01,0.05) [0.05,Inf)

您可以看到 0.01 包含在范围 [0.01,0.05) 中，因为 right = F 导致右边界不包含在内。将label = severity 添加到此函数将应用"Mitte" 的正确标签

tidyr::pivot_longer 会将除Country 之外的所有列转置为长格式。列名将存储在名为Date 的新列中。 mutate 之后的列的值将存储在名为 Severity 的新列中。 最后的mutate 将Date 列更改为日期向量。所以"X2_01_20" 变成了日期2020-02-01。注意：如果您只关心下一步中完成的制表，您可以删除此管道。我将其包括在内，以防您需要按日期查看内容。 tidyr::pivot_wider 将计算每个国家/地区的严重性值