在不知道R中的ID的情况下，如何基于唯一ID汇总列？

我一直在浏览关于总结数据的帖子，但似乎还没有找到我想要的

我希望创建一个汇总“计数表”，它将允许我查看给患者服用某种药物的频率。一些患者同时服用多种药物这一事实并不重要，因为我只想对所有服用的药物进行总结，然后计算每种药物占所有服用药物的百分比。问题是，我不知道可能服用的药物的名称，它们“隐藏”在

data.frame

中的某个地方，因此，我必须指定R必须首先查看哪些列，以创建一个“列表”，然后根据该列表对列进行汇总

我预计这将指向

plyr

软件包，但我尝试正确使用其中的函数直到现在都没有成功

我的

df

看起来像这样

x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df<-data.frame(x,y,z)
head(df)
  x y z
1 a a f
2 a c d
3 b b e
4 c d b
5 a a b
6 c d d

作为我的参考列表，R可以通过它总结每列的计数

summary(df)

返回每个列的计数摘要，但不返回每个ID本身的计数摘要，也不返回所有唯一计数的百分比

我还尝试了以下方法，这种方法的方向是正确的，但理想情况下，我希望有一个唯一字符的列表，我可以将其提供给

length

参数

ddply(df, .(x), summarize, counts=length(unique(y)))

---

你知道我该怎么做吗？非常感谢你的帮助

如果您只想对整个数据帧进行计数，可以使用

table（unlist（df））

（另请参见@goctlr的答案）&如果您还想获得概率：

prop.table（table（unlist（df）））

。当您还想获取单个列的计数时，它会变得更加困难

为了获得每列的计数和总计数，我编写了以下函数：

# some reproducible data:
set.seed(1)
x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df <- data.frame(x,y,z)

# the function
func <- function(x) {
  x2 <- data.frame()
  nms <- names(x)
  id <- sort(unique(unlist(x)))
  for(i in 1:length(id)) {
    for(j in 1:length(nms)) {
      x2[i,j] <- sum(x[,j] %in% id[i])
    }
  }
  names(x2) <- nms
  x2$total <- rowSums(x2)
  x2 <- cbind(id,x2)
  assign("dat", x2, envir = .GlobalEnv)
}

table(unlist(df))

tout <- table(unlist(df))
prop.table(tout)

之后，您可以使用例如

dplyr

包计算百分比：

library(dplyr)
dat <- dat %>% mutate(xperc=round(100*x/sum(total),1),
                      yperc=round(100*y/sum(total),1),
                      zperc=round(100*z/sum(total),1),
                      perc=round(100*total/sum(total),1))

---

对于整个数据帧的计数摘要，您可以取消列出数据帧，然后调用table函数：

# some reproducible data:
set.seed(1)
x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df <- data.frame(x,y,z)

# the function
func <- function(x) {
  x2 <- data.frame()
  nms <- names(x)
  id <- sort(unique(unlist(x)))
  for(i in 1:length(id)) {
    for(j in 1:length(nms)) {
      x2[i,j] <- sum(x[,j] %in% id[i])
    }
  }
  names(x2) <- nms
  x2$total <- rowSums(x2)
  x2 <- cbind(id,x2)
  assign("dat", x2, envir = .GlobalEnv)
}

table(unlist(df))

tout <- table(unlist(df))
prop.table(tout)

要获取总计数的百分比，请保存结果并使用prop.table函数：

# some reproducible data:
set.seed(1)
x <- sample(letters[1:4], 20, replace = TRUE)
y <- sample(letters[1:5], 20, replace = TRUE)
z <- sample(letters[1:6], 20, replace = TRUE)
df <- data.frame(x,y,z)

# the function
func <- function(x) {
  x2 <- data.frame()
  nms <- names(x)
  id <- sort(unique(unlist(x)))
  for(i in 1:length(id)) {
    for(j in 1:length(nms)) {
      x2[i,j] <- sum(x[,j] %in% id[i])
    }
  }
  names(x2) <- nms
  x2$total <- rowSums(x2)
  x2 <- cbind(id,x2)
  assign("dat", x2, envir = .GlobalEnv)
}

table(unlist(df))

tout <- table(unlist(df))
prop.table(tout)

---

tout sapply（df，函数（x）名称（表（x））@bondedust我会使用
lappy
而不是
sapply
。如果每个
名称（表（x））
恰好返回相同长度的向量，则输出将是一个数组而不是列表，如果您需要随后处理该对象，这可能会导致问题。对。甚至可以使用lappy（df，函数（x）列表（nams=unique（x），count=length（unique（x）））

谢谢各位，但我不认为这是我问题的解决方案。这会返回每列每个字符的级别数，但不会给出整个df中的总计数。例如字母

a

在df中出现16次……这是我想要的输出。键入

summary（df）

您将看到每列每个字符的摘要计数，但我希望它包含整个df，然后还返回每个字符的总计数百分比。这就是为什么我认为

ddply

函数可能比

lappy（）更合适

…感谢您的时间和帮助！我想我找到了一个解决方案，我很好奇您对我的回答的看法。JAAP，这是一个非常好的功能！我实际上会经常使用它，因为它是一个很好的方法，可以快速总结因素，以了解df中发生的情况！但是，我有一个小问题。当应用第二个在您的回复中，我收到了错误消息

error:not find function“%%>%”

。您知道为什么吗？此外，您是否可以在

dat

df中添加一列，然后显示总数的百分比？或者我是否应该将变异后的

dat

保存为

dat2

然后保存为

data.frame（dat，dat2）

？谢谢你的回答！啊，愚蠢的我。我键入了

库（plyr）

而不是

dplyr

！我的错。对不起！！！我还有一个小问题，因为我可能不清楚。理想情况下，我希望变量

a

占

total

列总和的百分比。我将mutate重新写入

dat2%mutate（百分比=100*total/sum（total））

-是这样吗？看起来不错……谢谢你的时间和帮助！@OFish这是对的。（顺便说一句：你在最后的评论中忘记了一个

）

我不得不说@Jaap-这是一段非常方便的小代码，我想我会尝试进一步扩展它，这样我就可以构建

数据。像dat这样的表

，并通过

p-values

作为附加列跨行执行

chisq.tests

等操作。这并不是分析数据的最佳方式，但这是一种为论文等制作表格的快速方法。我真的非常激动。再次感谢。感谢@goctr这是一个方便的小功能。就我个人而言，我发现Jaap的答案提供了一种格式，这是最好的，但拥有

prop.table

功能是件好事。感谢您的时间和帮助！很好答案很简单。然而，我对这个问题的理解是，@OFish还需要各个列的计数。这就是我没有给出这个答案的原因。我现在还将

表

&

属性表

函数包含在我的答案中，以使其更加完整。