解聚合/反向汇总/扩展 R 中的数据集

Question

我的数据是这样的：

data("Titanic")
df <- as.data.frame(Titanic)

如何取消聚合或反向汇总 count/freq 并将数据集扩展回其原始的非计数观察状态？

例如，我希望在数据帧中 3rd, Male, Child, No 重复 35 次，1st, Female, Adult, Yes 重复 140 次等等。

提前致谢。

Answer 1

您可以使用 reshape 中的函数 untable 来做到这一点。

data("Titanic")
df <- as.data.frame(Titanic)

library(reshape)
newDf = untable(df[,1:4], num = df[,5])

Answer 2

如果没有包，我们可以根据给定的频率重复每一行：

df2 <- df[rep(1:nrow(df), df[,5]),-5]

Answer 3

您可以使用列表列和一些 dplyr/tidyr/purrr 动词来做到这一点。它不像其他基础 R 解决方案那么紧凑，但对我来说，它更容易理解事物是如何组合在一起的，并且它在更大的 tidyverse 管道流中工作。

首先检查一下，我们预计最终数据框中有 2,201 行：

library(dplyr)
library(tidyr)
library(purrr)

sum(df$Freq)
#> [1] 2201

将其转换为 tibble 可以更轻松地查看和使用列表列。我正在使用 purrr::map 沿 Freq 列移动，创建一个虚拟标记向量，长度为 Freq 值。在这种情况下，该标记只是“1”；它可以改为 TRUE 或其他任何东西。重点在于它将创建一个长度为 Freq.

的向量

df %>%
  as_tibble() %>%
  mutate(obs = map(Freq, ~rep_len(1, .x)))
#> # A tibble: 32 x 6
#>    Class Sex    Age   Survived  Freq obs        
#>    <fct> <fct>  <fct> <fct>    <dbl> <list>     
#>  1 1st   Male   Child No           0 <dbl [0]>  
#>  2 2nd   Male   Child No           0 <dbl [0]>  
#>  3 3rd   Male   Child No          35 <dbl [35]> 
#>  4 Crew  Male   Child No           0 <dbl [0]>  
#>  5 1st   Female Child No           0 <dbl [0]>  
#>  6 2nd   Female Child No           0 <dbl [0]>  
#>  7 3rd   Female Child No          17 <dbl [17]> 
#>  8 Crew  Female Child No           0 <dbl [0]>  
#>  9 1st   Male   Adult No         118 <dbl [118]>
#> 10 2nd   Male   Adult No         154 <dbl [154]>
#> # … with 22 more rows

然后 tidyr::unnest 为该虚拟向量中的每个元素创建一行。之后，我删除最后两列，只包含 class、性别、年龄和生存等重要类别。

df %>%
  as_tibble() %>%
  mutate(obs = map(Freq, ~rep_len(1, .x))) %>%
  unnest() %>%
  select(-Freq, -obs)
#> # A tibble: 2,201 x 4
#>    Class Sex   Age   Survived
#>    <fct> <fct> <fct> <fct>   
#>  1 3rd   Male  Child No      
#>  2 3rd   Male  Child No      
#>  3 3rd   Male  Child No      
#>  4 3rd   Male  Child No      
#>  5 3rd   Male  Child No      
#>  6 3rd   Male  Child No      
#>  7 3rd   Male  Child No      
#>  8 3rd   Male  Child No      
#>  9 3rd   Male  Child No      
#> 10 3rd   Male  Child No      
#> # … with 2,191 more rows

最后其实是一个2201行的数据框

Answer 4

采用另一种 tidyr 方法，使用 tidyr::uncount。

library(tidyverse)

original <- tibble(x = c(1,1,1,2,2,2,4,4,4))
aggregated <- original %>% count(x)
deaggregated <- aggregated %>% uncount(weights = n)

解聚合/反向汇总/扩展 R 中的数据集

De-aggregate / reverse-summarise / expand a dataset in R

r

dplyr

tidyr