遍历调查中的变量组-R
如前所述,如果您想计算惊人的srvyr包中分类变量的比例,您首先必须将变量作为因子分组,然后使用空的srvyr::survey_mean,如本例所示 我的目标是迭代第二个变量cname和sch.wide,同时保留第一个分组变量stype,以避免重复代码遍历调查中的变量组-R,r,list,iteration,survey,R,List,Iteration,Survey,如前所述,如果您想计算惊人的srvyr包中分类变量的比例,您首先必须将变量作为因子分组,然后使用空的srvyr::survey_mean,如本例所示 我的目标是迭代第二个变量cname和sch.wide,同时保留第一个分组变量stype,以避免重复代码 library(survey) library(srvyr) data(api) df <- apiclus1 %>% mutate(cname=as.factor(cname)) %>% select(pw,s
library(survey)
library(srvyr)
data(api)
df <- apiclus1 %>%
mutate(cname=as.factor(cname)) %>%
select(pw,stype, cname,sch.wide) %>%
as_survey_design(weights=pw)
# proportions of sch.wide
df %>%
group_by(stype,sch.wide) %>%
summarise(prop=srvyr::survey_mean())
#> # A tibble: 6 x 4
#> stype sch.wide prop prop_se
#> <fct> <fct> <dbl> <dbl>
#> 1 E No 0.0833 0.0231
#> 2 E Yes 0.917 0.0231
#> 3 H No 0.214 0.110
#> 4 H Yes 0.786 0.110
#> 5 M No 0.32 0.0936
#> 6 M Yes 0.68 0.0936
# proportions of cname
df %>%
group_by(stype,cname) %>%
summarise(prop=srvyr::survey_mean())
#> # A tibble: 33 x 4
#> stype cname prop prop_se
#> <fct> <fct> <dbl> <dbl>
#> 1 E Alameda 0.0556 0.0191
#> 2 E Fresno 0.0139 0.00978
#> 3 E Kern 0.00694 0.00694
#> 4 E Los Angeles 0.0833 0.0231
#> 5 E Mendocino 0.0139 0.00978
#> 6 E Merced 0.0139 0.00978
#> 7 E Orange 0.0903 0.0239
#> 8 E Plumas 0.0278 0.0137
#> 9 E San Diego 0.347 0.0398
#> 10 E San Joaquin 0.208 0.0339
#> # ... with 23 more rows
Created on 2019-11-28 by the reprex package (v0.3.0)
图书馆(调查)
图书馆(srvyr)
数据(api)
df%
变异(cname=as.factor(cname))%>%
选择(pw、stype、cname、sch.wide)%>%
as_测量_设计(重量=pw)
#学校范围内的比例
df%>%
分组依据(stype,学校范围)%>%
总结(prop=srvyr::survey_mean())
#>#tibble:6 x 4
#>stype sch.宽支柱
#>
#>1 E编号0.0833 0.0231
#>2 E是0.917 0.0231
#>3小时0.214 0.110
#>4小时是0.786 0.110
#>5米0.32 0.0936
#>6米是0.68 0.0936
#cname的比例
df%>%
分组人(stype,cname)%>%
总结(prop=srvyr::survey_mean())
#>#A tibble:33 x 4
#>stype cname道具
#>
#>1 E阿拉米达0.0556 0.0191
#>2 E弗雷斯诺0.0139 0.00978
#>3 E克恩0.00694 0.00694
#>洛杉矶东部4 0.0833 0.0231
#>5 E门多西诺0.0139 0.00978
#>6 E Merced 0.0139 0.00978
#>7 E橙色0.0903 0.0239
#>8 E羽流0.0278 0.0137
#>9东圣地亚哥0.347 0.0398
#>10东圣华金0.208 0.0339
#> # ... 还有23行
由reprex软件包(v0.3.0)于2019年11月28日创建
也许这里的方法是创建列表,保留第一个分组变量,将数据除以另一组变量,然后计算比例
我想找到一个涉及purrr:map或tidyverse的解决方案
提前感谢您的帮助,或指向答案 有多种方法。如果我们作为字符串传递,一个选项是使用
group\u by\u at
,它将字符串作为参数
library(purrr)
library(dplyr)
library(survey)
library(srvyr)
map(c('sch.wide', 'cname'), ~
df %>%
group_by_at(vars("stype", .x)) %>%
summarise(prop = srvyr::survey_mean()))
#[[1]]
# A tibble: 6 x 4
# stype sch.wide prop prop_se
# <fct> <fct> <dbl> <dbl>
#1 E No 0.0833 0.0231
#2 E Yes 0.917 0.0231
#3 H No 0.214 0.110
#4 H Yes 0.786 0.110
#5 M No 0.32 0.0936
#6 M Yes 0.68 0.0936
#[[2]]
# A tibble: 30 x 4
# stype cname prop prop_se
# <fct> <fct> <dbl> <dbl>
# 1 E Alameda 0.0556 0.0191
# 2 E Fresno 0.0139 0.00978
# 3 E Kern 0.00694 0.00694
# 4 E Los Angeles 0.0833 0.0231
# 5 E Mendocino 0.0139 0.00978
# 6 E Merced 0.0139 0.00978
# 7 E Orange 0.0903 0.0239
# 8 E Plumas 0.0278 0.0137
# 9 E San Diego 0.347 0.0398
#10 E San Joaquin 0.208 0.0339
# … with 20 more rows
map(quos(sch.wide, cname), ~
df %>%
group_by(stype, !!.x) %>%
summarise(prop = srvyr::survey_mean()))