如何从r中的列联表中获取带有案例的data.frame？

Posted 2023-03-12

【中文标题】如何从r中的列联表中获取带有案例的data.frame？

【英文标题】：How to get a data.frame with cases from a contingency table in r?

【发布时间】：2016-07-29 16:49:56

【问题描述】：

我想从书中重现一些计算（logit 回归）。这本书给出了一个列联表和结果。

这是表格：

    .


    example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
    #Labels:
    rownames(example) <- c("Present","Absent")
    colnames(example) <- c(">= 55", "<55")

它给了我这个：

            >= 55 <55
    Present    21  22
    Absent      6  51

但要使用 glm() 函数，数据必须采用以下方式：

（两列，一列“Age”，一列“Present”，用0/1填充）

    age <- c(rep(c(0),27), rep(c(1),73))
    present <- c(rep(c(0),21), rep(c(1),6), rep(c(0),22), rep(c(1),51))

    data <- data.frame(present, age)

    > data
        present age
    1         0   0
    2         0   0
    3         0   0
    .         .   .
    .         .   .
    .         .   .
    100       1   1

有没有一种简单的方法可以从表/矩阵中获取这种结构？

【问题讨论】：

手工编码似乎是一次性的最简单方法。如果您认为您会多次执行此操作，您可以构建一个函数，将矩阵/表的元素作为上述rep() 函数的参数。如果矩阵的尺寸保持为 2X2，这将特别容易。如果它们发生变化，那么它将涉及更多的编码。

age <- c(rep(c(0),27), rep(c(1),73)) 中定义的年龄变量与表定义不匹配。 55岁以上的27人用1编码，55岁以下的73人用0编码。

谢谢！我没注意到。

【参考方案1】：

reshape2::melt(example)

这会给你，

     Var1  Var2 value
1 Present >= 55    21
2  Absent >= 55     6
3 Present   <55    22
4  Absent   <55    51

您可以轻松地将其用于glm

【讨论】：

您也可以使用as.data.frame(as.table(example)) 获取此信息（但value 列是Freq）

另外，我可能错了，但不确定它是否适合在 glm 中轻松使用。我写了一个答案，显示了***.com/a/36508547/4598520

【参考方案2】：

您也许可以将countsToCases 函数用作defined here。

countsToCases(as.data.frame(as.table(example))) 
#        Var1  Var2
#1    Present >= 55
#1.1  Present >= 55
#1.2  Present >= 55
#1.3  Present >= 55
#1.4  Present >= 55
#1.5  Present >= 55
# ...

如果您愿意，您可以随时将变量重新编码为数字。

【参考方案3】：

我会去：

library(data.table)
tab <- data.table(AGED = c(1, 1, 0, 0),
                  CHD = c(1, 0, 1, 0),
                  Count = c(21, 6, 22, 51))

tabExp <- tab[rep(1:.N, Count), .(AGED, CHD)]

编辑：快速解释，因为我花了一些时间才弄明白：

在data.table 对象中.N 存储组的行数（如果与by 分组）或只是整个data.table 的行数，所以在这个例子中：

tab[rep(1:.N, Count)]

和

tab[rep(1:4, Count)]

最后

tab[rep(1:4, c(21, 6, 22, 51)]

是等价的。

与基础 R 相同：

tab2 <- data.frame(AGED = c(1, 1, 0, 0),
                   CHD = c(1, 0, 1, 0),
                   Count = c(21, 6, 22, 51))

tabExp2 <- tab2[rep(1:nrow(tab2), tab2$Count), c("AGED", "CHD")]

【参考方案4】：

下面的代码可能看起来很长，但只有 group_by() 和 do() 指令处理扩展数据。剩下的就是以长格式更改数据并将字符变量编码为 0 和 1。我尝试从您在问题中给出的确切矩阵开始。

加载数据操作包

library(tidyr)
library(dplyr)

创建数据框

按照您的示例创建一个矩阵，但避免在列名中使用“>”符号

example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
rownames(example) <- c("Present","Absent")
colnames(example) <- c("above55", "below55")

将矩阵转换为数据框

example <- data.frame(example) %>%
    add_rownames("chd")    

或者干脆直接创建一个数据框

data.frame(chd = c("Present", "Absent"),
           above55 = c(21,6),
           below55 = c(22,51))

重塑数据

data2 <- example %>% 
    gather(age, nrow, -chd) %>%
    # Encode chd and age as 0 or 1
    mutate(chd = ifelse(chd=="Present",1,0),
           age = ifelse(age=="above55",1,0)) %>%
    group_by(chd, age) %>%
    # Expand each variable by nrow
    do(data.frame(chd = rep(.$chd,.$nrow),
                  age = rep(.$age,.$nrow)))

head(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
# 
#     chd   age
#   (dbl) (dbl)
# 1     0     0
# 2     0     0
# 3     0     0
# 4     0     0
# 5     0     0
# 6     0     0
tail(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
# 
#     chd   age
#   (dbl) (dbl)
# 1     1     1
# 2     1     1
# 3     1     1
# 4     1     1
# 5     1     1
# 6     1     1

table(data2)
#        age
# chd  0  1
#   0 51  6
#   1 22 21

与您的示例相同，但年龄编码除外 我在上面的评论中提到的问题。

【参考方案5】：

所以，glm 并不是那么死板。部分?glm读取

 For ‘binomial’ and ‘quasibinomial’ families the response can also
 be specified as a ‘factor’ (when the first level denotes failure
 and all others success) or as a two-column matrix with the columns
 giving the numbers of successes and failures.

我假设您想测试年龄对Present/Absent 的影响。 关键是要指定响应，如（在伪代码中）c(success, failure)。

所以你需要像data.frame(Age= ..., Present = ..., Absent) 这样的数据。从example 执行此操作的最简单方法是转置，然后强制转换为data.frame，并添加一列：

example_t <- as.data.frame(t(example))
example_df <- data.frame(example_t, Age=factor(row.names(example_t)))

给你

      Present Absent   Age
>= 55      21      6 >= 55
<55        22     51   <55

然后，您可以运行 glm：

glm(cbind(Present, Absent) ~ Age, example_df, family = 'binomial')

得到

Call:  glm(formula = cbind(Present, Absent) ~ Age, family = "binomial",
    data = example_for_glm)

Coefficients:
(Intercept)       Age<55
      1.253       -2.094

Degrees of Freedom: 1 Total (i.e. Null);  0 Residual
Null Deviance:      18.7
Residual Deviance: -1.332e-15   AIC: 11.99

附录

您也可以通过@therimalaya 的回答到达这里。但这只是第一步

as.data.frame(as.table(example))

（只会让你走到那里）

    Var1  Var2 Freq
1 Present >= 55   21
2  Absent >= 55    6
3 Present   <55   22
4  Absent   <55   51

但要真正拥有成功和失败的专栏，您需要做更多的事情。您可以使用tidyr 到达那里

as.data.frame(as.table(example)) %>% tidyr::spread(Var1, Freq)

类似于我上面的example_df

  Var2 Present Absent
1 >= 55      21      6
2   <55      22     51