如何在 R 中获取表格，包括计数、相对频率和累积频率？

Posted 2023-02-16

【中文标题】如何在 R 中获取表格，包括计数、相对频率和累积频率？

【英文标题】：How to get table in R, including count, relative frequencies, and cumulative frequencies?

【发布时间】：2020-01-14 14:02:59

【问题描述】：

我已经使用 R Studio 多年了，而且比任何其他软件都更频繁，但现在我打算用 R 教授统计学，我意识到使用 STATA 等其他软件可以更简单地完成一些任务。

有没有一种简单的方法可以在 R 中获取频率表（包括计数、百分比和累积频率），就像我们在 STATA 中输入 tab [variable] 一样？

我遇到了这个 tidyverse 解决方案：

dataset <- tribble(
           ~var1, ~var2, ~var3, ~var4, ~var5,
           "1",   "1",   "1",   "a",   "d",
           "2",   "2",   "2",   "b",   "e",
           "3",   "3",   "3",   "c",   "f")

dataset %>%
      group_by(var1) %>%
      summarise(n = n()) %>%
      mutate(totalN = (cumsum(n)),
             percent = round((n / sum(n)), 3),
             cumpercent = round(cumsum(freq = n / sum(n)),3))

但这很明显，教本科生太复杂了。难道没有更简单的方法，甚至可能是基本的 R 解决方案吗？理想情况下，我希望有一行代码，我不必先安装 5-10 个不同的包。

【问题讨论】：

“但这很明显，对于本科生来说太复杂了” 你有数据支持吗？它读起来就像一个人会做数学......如果他们能处理数学，他们应该能够处理你的mutate调用中的操作

当然，在某些时候你会明白这一点，我们也很自然地这样做，因为我们知道语法。但是，如果您在非常基础的入门级别教授统计数据，那么我相信我们都会同意tab 比这个 dplyr 解决方案更容易和方便，不是吗？

我不确定该特定任务是否有基本功能。尽管如此，我认为你正在接近“Stata-R”辩论错误。 tidyverse 解决方案并不复杂，tidyverse 被设计为易于使用和易于阅读。您提供的代码非常直观，一个人（lundergrad 学生）可以理解正在发生的事情并将这些知识用于许多其他问题。假设您有一个更大的数据集，并且您想要相同的结果但对多个变量进行分组：从概念上讲，您只需对 group_by 函数进行少量更改。这是您从 R 中受益的地方。

您可以使用count(var1)从代码中删除一行

好吧，这一切都是正确的，尽快学习这一切将在以后非常方便，因为从那里将其应用于另一个问题或数据集的步骤显然会更小。但我仍然认为这需要逐步学习：在使用 dplyr 之前，需要了解如何设置工作目录（等等）。因此，如果您想了解按下Ctrl + Enter 时代码是如何产生输出的，您将需要一个非常简短且易于掌握的代码。仅作记录：我并不是说 STATA 更​​好。

【参考方案1】：

我不同意你关于本科生无法理解的说法。我不想将这个问题纳入教学策略，如果您认为 R 不适合您的课程水平，是否应该使用 R。

您可以为他们提供此功能，他们不必理解（就像他们不必理解 STATA 中的功能一样）。

library(dplyr)
tab <- function(dataset, var)

  dataset %>%
    # embrace var to be able to call it with any grouping factor
    group_by(var) %>% 
    summarise(n=n()) %>%
    mutate(totalN = cumsum(n),
           percent = n / sum(n),
           cumpercent = cumsum(n / sum(n)))

那么（如果你是source("tab.R")），这是你的一个班轮：

tab(dataset, var1)
# A tibble: 3 x 5
  var1      n totalN percent cumpercent
  <chr> <int>  <int>   <dbl>      <dbl>
1 1         1      1   0.333      0.333
2 2         1      2   0.333      0.667
3 3         1      3   0.333      1  

你可以试试tab(dataset, var2)。请注意，此答案只会按一个因素分组（这是您的问题）。

编辑

需要了解如何设置工作目录（等）

不完全正确，如果您使用的是 Rstudio，您可以通过单击文件夹手动导入数据集。 如果您想使用 R 教授统计数据（我认为您绝对应该这样做），您应该至少拥有一类最小的东西（是的，包括工作目录、如何调用 library(...) 和基本功能）。您可以将大量资源（书籍、YouTube 教程）分配为家庭作业/课堂的一部分，以便学生熟悉。 如果我们放弃所有假设，WHATEVER SOFTWARE IS EASIER 的论点很弱，我需要知道 where 到 click 的 任何软件的特定版本...