Eine einfachere Methode, um eine Häufigkeitszählung mit Mittelwert, Summe, Länge und sd in R

Question

zu erreichen Ich hatte die Aufgabe, Häufigkeitstabellen mit statistischen Zusammenfassungen zu erstellen. Mein Ziel ist es, einen Datenrahmen zu erstellen, der einfach in Excel exportiert werden kann. Das meiste davon könnte in SQL mit gespeicherten Prozeduren sein, aber ich entschied mich, dies in R zu tun. Ich lerne R, also könnte ich es auf lange Sicht machen. Dies ist ein Follow auf Frage von getting-r-frequency-counts-for-all-possible-answers

Gegeben

Id <- c(1,2,3,4,5,6,7,8,9,10) 
    ClassA <- c(1,NA,3,1,1,2,1,4,5,3) 
    ClassB <- c(2,1,1,3,3,2,1,1,3,3) 
    R <- c(1,2,3,NA,9,2,4,5,6,7) 
    S <- c(3,7,NA,9,5,8,7,NA,7,6) 
    df <- data.frame(Id,ClassA,ClassB,R,S) 

    ZeroTenNAScale <- c(0:10,NA); 

    R.freq <- setNames(nm=c('answer','value'),data.frame(table(factor(df$R,levels=ZeroTenNAScale,exclude=NULL)))); 
    R.freq[, 1] <- as.numeric(as.character(R.freq[, 1])) 
    R.freq <- cbind(question='R',R.freq) 

    S.freq <- setNames(nm=c('answer','value'),data.frame(table(factor(df$S,levels=ZeroTenNAScale,exclude=NULL)))); 
    S.freq[, 1] <- as.numeric(as.character(S.freq[, 1])) 
    S.freq <- cbind(question='S',S.freq) 

    R.mean = mean(df$R, na.rm = TRUE) 
    R.length = sum(!is.na(df$R)) 
    R.sd = sd(df$R, na.rm = TRUE) 
    R.sum = sum(df$R, na.rm = TRUE) 

    S.mean = mean(df$S, na.rm = TRUE) 
    S.length = sum(!is.na(df$S)) 
    S.sd = sd(df$S, na.rm = TRUE) 
    S.sum = sum(df$S, na.rm = TRUE) 

    S.row <- cbind('S','sum',as.numeric(S.sum)) 
    S.row <- setNames(nm=c('question','answer','value'),data.frame(S.row)) 
    S.freq = rbind(S.freq, S.row) 

    S.row <- cbind('S','length',as.numeric(S.length)) 
    S.row <- setNames(nm=c('question','answer','value'),data.frame(S.row)) 
    S.freq = rbind(S.freq, S.row) 

    S.row <- cbind('S','mean',as.numeric(S.mean)) 
    S.row <- setNames(nm=c('question','answer','value'),data.frame(S.row)) 
    S.freq = rbind(S.freq, S.row) 

    S.row <- cbind('S','sd',as.numeric(S.sd)) 
    S.row <- setNames(nm=c('question','answer','value'),data.frame(S.row)) 
    S.freq = rbind(S.freq, S.row) 

    R.row <- cbind('R','sum',as.numeric(R.sum)) 
    R.row <- setNames(nm=c('question','answer','value'),data.frame(R.row)) 
    R.freq = rbind(R.freq, R.row) 

    R.row <- cbind('R','length',as.numeric(R.length)) 
    R.row <- setNames(nm=c('question','answer','value'),data.frame(R.row)) 
    R.freq = rbind(R.freq, R.row) 

    R.row <- cbind('R','mean',as.numeric(R.mean)) 
    R.row <- setNames(nm=c('question','answer','value'),data.frame(R.row)) 
    R.freq = rbind(R.freq, R.row) 

    R.row <- cbind('R','sd',as.numeric(R.sd)) 
    R.row <- setNames(nm=c('question','answer','value'),data.frame(R.row)) 
    R.freq = rbind(R.freq, R.row) 

    result <- rbind(R.freq,S.freq) 
    result <- cbind(filter='None',result) 
    result 

I

filter question answer   value 
1 None  R  0    0 
2 None  R  1    1 
3 None  R  2    2 
4 None  R  3    1 
5 None  R  4    1 
6 None  R  5    1 
7 None  R  6    1 
8 None  R  7    1 
9 None  R  8    0 
10 None  R  9    1 
11 None  R  10    0 
12 None  R <NA>    1 
13 None  R sum    39 
14 None  R length    9 
15 None  R mean 4.33333333333333 
16 None  R  sd 2.64575131106459 
17 None  S  0    0 
18 None  S  1    0 
19 None  S  2    0 
20 None  S  3    1 
21 None  S  4    0 
22 None  S  5    1 
23 None  S  6    1 
24 None  S  7    3 
25 None  S  8    1 
26 None  S  9    1 
27 None  S  10    0 
28 None  S <NA>    2 
29 None  S sum    52 
30 None  S length    8 
31 None  S mean    6.5 
32 None  S  sd 1.8516401995451 

bekommen was ziemlich viel ist, was ich suche. Der nächste Schritt, wie ich es sehe, besteht darin, mit einigen Funktionen zu beginnen, um den Code zu vereinfachen, bevor ich ähnliche Ergebnismengen von ClassA = 1, ClassA = n + 1 ... ClassA = NA, dann ClassB = 1, ClassB = hinzufüge 2 ... Klasse B = NA. Gibt es einen viel einfacheren Weg, dies zu tun?

Der neue Code nach den Antworten von Ernest A und Imo Studium ist

# https://stackoverflow.com/questions/36790376/a-simpler-way-to-achieve-a-frequency-count-with-mean-sum-length-and-sd-in-r/36794422#36794422 

    # create the summary function 
    summaryStatistics <- function(x) { 
     xx <- na.omit(x) 
     c(table(factor(x, levels=0:10), useNA='always', exclude=NULL), 
      sum=sum(xx), length=length(x), mean=mean(xx), sd=sqrt(var(xx))) 
    } 

    # create the test data frame 
    Id <- c(1,2,3,4,5,6,7,8,9,10) 
    ClassA <- c(1,NA,3,1,1,2,1,4,5,3) 
    ClassB <- c(2,1,1,3,3,2,1,1,3,3) 
    R <- c(1,2,3,NA,9,2,4,5,6,7) 
    S <- c(3,7,NA,9,5,8,7,NA,7,6) 
    df <- data.frame(Id,ClassA,ClassB,R,S) 

    # create the result 
    result <- setNames(
     nm=c('answer','question','value'), 
     as.data.frame(
      as.table(
       simplify2array(
        lapply(
         df[c('R', 'S')], 
         summaryStatistics 
        ) 
       ) 
      ) 
     ) 
    ) 

    # change the order to question, answer, value 
    result <- result[, c(2, 1, 3)] 

    # add the filter 
    result <- cbind(filter='None',result) 

    # return the result 
    result 

die viel einfacher ist und meine andere Aufgabe macht die Ausbildung unseres Teams viel einfacher. Danke an Ernest A und Imo.

Die nächste Frage in Bezug auf mein Verständnis von R Using vectors in R to change the output of a function

Answer 1

Ja, es kann auf jeden Fall vereinfacht werden. Normalerweise würden Sie eine Auswertungsfunktion wie

smry <- function(x, levels) { 
    xx <- na.omit(x) 
    c(table(factor(x, levels=levels), useNA='always', exclude=NULL), 
     sum=sum(xx), length=length(x), mean=mean(xx), sd=sqrt(var(xx))) 
} 

verwenden dann es auf die verschiedenen Teilmengen der Daten

> lapply(df[c('R', 'S')], smry, 0:10) 
$R 
     0   1   2   3   4   5   6   7 
0.000000 1.000000 2.000000 1.000000 1.000000 1.000000 1.000000 1.000000 
     8   9  10  <NA>  sum length  mean  sd 
0.000000 1.000000 0.000000 1.000000 39.000000 10.000000 4.333333 2.645751 

$S 
     0  1  2  3  4  5  6  7 
0.00000 0.00000 0.00000 1.00000 0.00000 1.00000 1.00000 3.00000 
     8  9  10  <NA>  sum length  mean  sd 
1.00000 1.00000 0.00000 2.00000 52.00000 10.00000 6.50000 1.85164 

Wenn Sie absolut alles in einem Datenrahmen haben setzen

> as.data.frame(as.table(simplify2array(lapply(df[c('R', 'S')], smry, 0:10)))) 
    Var1 Var2  Freq 
1  0 R 0.000000 
2  1 R 1.000000 
3  2 R 2.000000 
4  3 R 1.000000 
5  4 R 1.000000 
6  5 R 1.000000 
7  6 R 1.000000 
8  7 R 1.000000 
9  8 R 0.000000 
10  9 R 1.000000 
11  10 R 0.000000 
12 <NA> R 1.000000 
13 sum R 39.000000 
14 length R 10.000000 
15 mean R 4.333333 
16  sd R 2.645751 
17  0 S 0.000000 
18  1 S 0.000000 
19  2 S 0.000000 
20  3 S 1.000000 
21  4 S 0.000000 
22  5 S 1.000000 
23  6 S 1.000000 
24  7 S 3.000000 
25  8 S 1.000000 
26  9 S 1.000000 
27  10 S 0.000000 
28 <NA> S 2.000000 
29 sum S 52.000000 
30 length S 10.000000 
31 mean S 6.500000 
32  sd S 1.851640 

und dann ändern Sie einfach die Spaltennamen/Spalten hinzufügen, wie Sie brauchen.

Answer 2

Eine Sache, die Sie tun können, um die Codegröße zu reduzieren, ist die Zusammenfassung der Statistiken in einer Funktion wickeln:

myStats <- function(x) { 
    answer <- c("sum"=sum(x, na.rm = TRUE), "length"=sum(!is.na(x)), 
       "mean"=mean(x, na.rm = TRUE), "sd"=sd(x, na.rm = TRUE)) 

    return(answer) 
} 

Dies gibt eine benannter Vektor der zusammenfassenden Statistiken geordnet, wie Sie in Ihrer Ausgabe haben. Sie können dann rbind die zurückgegebenen Werte sowie die Namen Ihrer Frequenztabelle:

R.stats <- myStats(df$R) 
rbind(R.freq, data.frame("question"='R', "answer"=names(R.stats), 
         "value"=R.stats))