Fréquences / proportions relatives avec dplyr

Supposons que je veuille calculer la proportion de valeurs différentes dans chaque groupe. Par exemple, en utilisant les mtcarsdonnées, comment calculer la fréquence relative du nombre de vitesses par heure (automatique / manuel) en une seule fois 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 

Ce que je souhaite réaliser:

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

Essaye ça:

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

À partir de la vignette dplyr :

Lorsque vous groupez par plusieurs variables, chaque résumé décolle un niveau du groupement. Cela facilite le cumul progressif d'un ensemble de données.

Ainsi, après le summarise, la dernière variable de regroupement spécifiée dans group_by«vitesse» est détachée. Dans l' mutateétape, les données sont regroupées par la ou les variables de regroupement restantes, ici «am». Vous pouvez vérifier le regroupement à chaque étape avec groups.

Le résultat du pelage dépend bien sûr de l'ordre des variables de regroupement dans l' group_byappel. Vous voudrez peut-être faire un suivant group_by(am), pour rendre votre code plus explicite.

Pour arrondir et embellir, veuillez vous référer à la belle réponse de @Tyler Rinker.

Vous pouvez utiliser la count()fonction, qui a cependant un comportement différent selon la version de dplyr:

• dplyr 0.7.1: renvoie une table non groupée : vous devez à nouveau grouper param

• dplyr <0.7.1: renvoie une table groupée , donc pas besoin de regrouper à nouveau, même si vous voudrez peut-être le faire ungroup()pour des manipulations ultérieures

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))

Cela donne un tableau groupé , si vous souhaitez l'utiliser pour une analyse plus approfondie, il peut être utile de supprimer l' attribut groupé avec ungroup().

@ Henrik est meilleur pour la convivialité car cela rendra le caractère de la colonne et non plus numérique mais correspond à ce que vous avez demandé ...

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%

EDIT Parce que Spacedman l'a demandé :-)

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%

Voici une fonction générale implémentant la solution de Henrik sur dplyr0.7.1.

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
}

J'ai écrit une petite fonction pour cette tâche répétitive:

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

Je peux ensuite l'utiliser comme:

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

Il renvoie:

# 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

Malgré les nombreuses réponses, une autre approche qui utilise prop.tableen combinaison avec dplyrou data.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"]

Cette réponse est basée sur la réponse de Matifou.

Tout d'abord, je l'ai modifié pour m'assurer que la colonne freq ne soit pas renvoyée en tant que colonne de notation scientifique en utilisant l'option scipen.

Ensuite, je multiplie la réponse par 100 pour obtenir un pourcentage plutôt qu'une décimale afin de rendre la colonne freq plus facile à lire en pourcentage.

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