dplyr: Conteggi/percentuali di fattori raggruppati per scuola non raggruppati

Question

Ho un set di dati lungo con una riga per individuo raggruppato con le scuole. Ogni riga ha un fattore ordinato {1, 2, 3, 4}, "gatti". Voglio ottenere la percentuale di 1, 2, 3 e 4 all'interno di ciascuna scuola. Il set di dati è simile al seguente:

school_number   cats 
1   10505    3 
2   10505    3 
3   10502    1 
4   10502    1 
5   10502    2 
6   10502    1 
7   10502    1 
8   10502    2 
10   10503    3 
11   10505    2 

Ho provato qualcosa di simile:

df_pcts <- df %>% 
    group_by(school_number) %>% 
    mutate(total=sum(table(cats))) %>% 
    summarize(cat_pct = table(cats)/total) 

ma la variabile totale prodotto dalla fase mutare() mette il numero totale complessivo di righe in ogni riga. Non riesco nemmeno ad arrivare alla fase finale di riepilogo. Non ho capito bene.

P.S. In alcuni altri post ho visto linee come questa:

n = n() 

quando faccio che ricevo un messaggio che dice,

Error in n() : This function should not be called directly 

Da dove viene questo?

TIA

Answer 1

Forse questo aiuta un po ', anche se non sono sicuro al 100% di quello di uscita è necessario.

Questo conta il numero di righe di ogni combinazione di school_number/gatti che esistono nella vostra df utilizzando tally. Quindi calcola la percentuale di "gatti" in ogni numero di scuola, quindi raggruppando solo per numero di banco.

df %>% 
    group_by(school_number,cats) %>% 
    tally %>% 
    group_by(school_number) %>% 
    mutate(pct=(100*n)/sum(n)) 

Dà questo:

# school_number cats n  pct 
    # 1   10502 1 4 66.66667 
    # 2   10502 2 2 33.33333 
    # 3   10503 3 1 100.00000 
    # 4   10505 2 1 33.33333 
    # 5   10505 3 2 66.66667 

EDIT:

di aggiungere in righe con 0% che mancano dai dati di esempio, si potrebbe fare quanto segue. Associa l'output sopra con un df che contiene lo 0% per tutte le combinazioni school_number/cats. Conserva solo la prima istanza di questo bind (le prime istanze contengono sempre valori> 0% se esistono). Ho poi organizzato dal school_number e gatti per facilitare la lettura:

y<-df %>% 
    group_by(school_number,cats) %>% 
    tally %>% 
    group_by(school_number) %>% 
    mutate(pct=(100*n)/sum(n)) %>% 
    select(-n) 

x<-data.frame(school_number=rep(unique(df$school_number),each=4), cats=1:4,pct=0) 

rbind(y,x) %>% 
    group_by(school_number,cats)%>% 
    filter(row_number() == 1) %>% 
    arrange(school_number,cats) 

che dà:

# school_number cats  pct 
#1   10502 1 66.66667 
#2   10502 2 33.33333 
#3   10502 3 0.00000 
#4   10502 4 0.00000 
#5   10503 1 0.00000 
#6   10503 2 0.00000 
#7   10503 3 100.00000 
#8   10503 4 0.00000 
#9   10505 1 0.00000 
#10   10505 2 33.33333 
#11   10505 3 66.66667 
#12   10505 4 0.00000 

Answer 2

Tutti combinazione di scuola numero e gatti poi a sinistra si uniscono al fine di calcolare per cento. Se poi NA 0

expand.grid(school_number = unique(df$school_number), cats = levels(df$cats)) %>% 
    left_join(df %>% 
       group_by(school_number, cats) %>% 
       tally %>% 
       mutate(pct = (n/sum(n) * 100))) %>% 
    select(-n) %>% 
    mutate(pct = ifelse(is.na(pct), 0, pct)) %>% 
    arrange(school_number) 

che dà

school_number cats  pct 
1   10502 1 66.66667 
2   10502 2 33.33333 
3   10502 3 0.00000 
4   10502 4 0.00000 
5   10503 1 0.00000 
6   10503 2 0.00000 
7   10503 3 100.00000 
8   10503 4 0.00000 
9   10505 1 0.00000 
10   10505 2 33.33333 
11   10505 3 66.66667 
12   10505 4 0.00000