dplyrを使用した相対周波数/比率

各グループ内の異なる値の比率を計算したいとします。たとえば、mtcarsデータを使用して、歯車の数の相対頻度をどのように計算しますかで午前と一度に（自動/手動）dplyr？

library(dplyr)
data(mtcars)
mtcars <- tbl_df(mtcars)

# count frequency
mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n())

# am gear  n
#  0    3 15 
#  0    4  4 
#  1    4  8  
#  1    5  5 

私が達成したいこと：

am gear  n rel.freq
 0    3 15      0.7894737
 0    4  4      0.2105263
 1    4  8      0.6153846
 1    5  5      0.3846154

これを試して：

mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))

#   am gear  n      freq
# 1  0    3 15 0.7894737
# 2  0    4  4 0.2105263
# 3  1    4  8 0.6153846
# 4  1    5  5 0.3846154

dplyrビネットから：

複数の変数でグループ化すると、各要約はグループ化の1つのレベルからはがれます。これにより、データセットを段階的にロールアップすることが容易になります。

したがって、の後、summariseで指定された最後のグループ化変数group_by'gear'が剥離されます。このmutateステップでは、データは残りのグループ化変数（ここでは「am」）によってグループ化されます。各ステップのグループ化はで確認できますgroups。

ピーリングの結果はもちろん、group_by呼び出しのグループ化変数の順序に依存します。group_by(am)コードをより明確にするために、後続のを実行することができます。

丸めと見栄えについては、@ Tyler Rinkerによるいい答えを参照してください。

count()関数を使用できますが、のバージョンによって動作が異なりdplyrます。

• dplyr 0.7.1：グループ化されていないテーブルを返します。am

• dplyr <0.7.1：グループ化されたテーブルを返すため、後でグループ化する必要はありませんがungroup()、後でグループ化する必要はありません。

dplyr 0.7.1

mtcars %>%
  count(am, gear) %>%
  group_by(am) %>%
  mutate(freq = n / sum(n))

dplyr <0.7.1

mtcars %>%
  count(am, gear) %>%
  mutate(freq = n / sum(n))

これにより、グループ化されたテーブルが作成されます。さらに分析するために使用する場合は、でグループ化された属性を削除すると便利ですungroup()。

@ Henrik'sの方が使いやすさの点で優れています。これにより、列の文字が作成され、数値ではなくなりますが、要求されたものと一致します...

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = paste0(round(100 * n/sum(n), 0), "%"))

##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

スペースマンがそれを求めたので編集 :-)

as.rel_freq <- function(x, rel_freq_col = "rel.freq", ...) {
    class(x) <- c("rel_freq", class(x))
    attributes(x)[["rel_freq_col"]] <- rel_freq_col
    x
}

print.rel_freq <- function(x, ...) {
    freq_col <- attributes(x)[["rel_freq_col"]]
    x[[freq_col]] <- paste0(round(100 * x[[freq_col]], 0), "%")   
    class(x) <- class(x)[!class(x)%in% "rel_freq"]
    print(x)
}

mtcars %>%
  group_by (am, gear) %>%
  summarise (n=n()) %>%
  mutate(rel.freq = n/sum(n)) %>%
  as.rel_freq()

## Source: local data frame [4 x 4]
## Groups: am
## 
##   am gear  n rel.freq
## 1  0    3 15      79%
## 2  0    4  4      21%
## 3  1    4  8      62%
## 4  1    5  5      38%

これは、dplyr0.7.1でのヘンリックのソリューションを実装する一般的な関数です。

freq_table <- function(x, 
                       group_var, 
                       prop_var) {
  group_var <- enquo(group_var)
  prop_var  <- enquo(prop_var)
  x %>% 
    group_by(!!group_var, !!prop_var) %>% 
    summarise(n = n()) %>% 
    mutate(freq = n /sum(n)) %>% 
    ungroup
}

私はこの繰り返しのタスクのために小さな関数を書きました：

count_pct <- function(df) {
  return(
    df %>%
      tally %>% 
      mutate(n_pct = 100*n/sum(n))
  )
}

その後、次のように使用できます。

mtcars %>% 
  group_by(cyl) %>% 
  count_pct

それは返します：

# A tibble: 3 x 3
    cyl     n n_pct
  <dbl> <int> <dbl>
1     4    11  34.4
2     6     7  21.9
3     8    14  43.8

多くの回答にもかかわらず、またはprop.tableと組み合わせて使用するもう1つのアプローチ。dplyrdata.table

library("dplyr")
mtcars %>%
    group_by(am, gear) %>%
    summarise(n = n()) %>%
    mutate(freq = prop.table(n))

library("data.table")
cars_dt <- as.data.table(mtcars)
cars_dt[, .(n = .N), keyby = .(am, gear)][, freq := prop.table(n) , by = "am"]

この答えはマティフーの答えに基づいています。

最初に、scipenオプションを使用してfreq列が科学表記列として返されないように変更しました。

次に、答えを100倍して、小数ではなくパーセントを得て、freq列をパーセントとして読みやすくしています。

getOption("scipen") 
options("scipen"=10) 
mtcars %>%
count(am, gear) %>% 
mutate(freq = (n / sum(n)) * 100)