R-包含小计的透视表
如何使用R中的小计(如MS Excel数据透视表)获取数据透视? 我正在使用R-包含小计的透视表,r,reshape2,dcast,R,Reshape2,Dcast,如何使用R中的小计(如MS Excel数据透视表)获取数据透视? 我正在使用dcastfromrestrape2包创建R轴。我还使用rowSums和colSums获得了总计。我承认我不理解dcast参数集中的复杂性。我只知道如何创建轴心和帮助文件是我的头如果有人可以使用dcast解决此问题(我怀疑它可以解决所有问题),并解释解决方案所需的参数,这将非常有帮助。 我使用这个代码(C2有两个因素,X1和X2): 样本预期枢轴(带小计t,t为总计) 假设您开始时没有任何总计,如下所示: mydf &l
dcast
fromrestrape2
包创建R轴。我还使用rowSums
和colSums
获得了总计。我承认我不理解dcast
参数集中的复杂性。我只知道如何创建轴心和帮助文件是我的头如果有人可以使用dcast解决此问题(我怀疑它可以解决所有问题),并解释解决方案所需的参数,这将非常有帮助。
我使用这个代码(C2有两个因素,X1和X2):
样本预期枢轴(带小计t,t为总计)
假设您开始时没有任何总计,如下所示:
mydf <- structure(list(C1 = c("a", "a", "b", "b", "b"), X1 = c(12L, 14L,
16L, 11L, 8L), X2 = 1:5), .Names = c("C1", "X1", "X2"), row.names = c(NA,
5L), class = "data.frame")
mydf
## C1 X1 X2
## 1 a 12 1
## 2 a 14 2
## 3 b 16 3
## 4 b 11 4
## 5 b 8 5
“边距”参数用于获取小计。在这里,我们根据“C1”(总计)和“ind”变量(小计)进行小计,并且我们还添加行总计(使用“变量”)
也就是说,我不确定我是否会推荐这种方法,因为您在同一个表中混合了数据和分析。尝试
库(data.table);rbind(setDT(df1),df1[,lappy(.SD,sum),C1][,C1:=paste0(“t”,C1)])
非常感谢。我想重塑2
边距
可能也会这样。我试试看。基本上,我正在尝试自动生成报告,这样我就不必每天都这样做。分析部分完成了,我被困在小计前面,因为这是一个很好的错误做法,当我立即向各个部门报告时(C1是部门名称)。@Arani,酷。刚刚意识到“重塑2”确实有margins
参数,但它的工作方式有点不同。编辑了答案。最近我一直在使用dcast.data.table
(它还没有实现margins
),以至于我错误地说它没有转到“重塑2”。“grand_row”和“grand_col”对我不起作用,即使它们在文档中!然而,我只需要将“因子”列添加到“保证金”中,它就像黄油一样有效。@Arani,是的,我意识到了这一点,并更新了我的答案。很高兴它成功了!
C1 X1 X2 T
a 12 1 13
a 14 2 16
b 16 3 19
b 11 4 15
b 8 5 13
T 61 15 76
C1 X1 X2 T
a 12 1 13
a 14 2 16
ta 26 3 29
b 16 3 19
b 11 4 15
b 8 5 13
tb 35 12 47
T 61 15 76
mydf <- structure(list(C1 = c("a", "a", "b", "b", "b"), X1 = c(12L, 14L,
16L, 11L, 8L), X2 = 1:5), .Names = c("C1", "X1", "X2"), row.names = c(NA,
5L), class = "data.frame")
mydf
## C1 X1 X2
## 1 a 12 1
## 2 a 14 2
## 3 b 16 3
## 4 b 11 4
## 5 b 8 5
library(reshape2)
mydfl <- melt(mydf)
mydfl$ind <- with(mydfl, ave(C1, C1, variable, FUN = seq_along))
dcast(mydfl, C1 + ind ~ variable, sum,
margins = c("C1", "ind", "variable"))
# C1 ind X1 X2 (all)
# 1 a 1 12 1 13
# 2 a 2 14 2 16
# 3 a (all) 26 3 29
# 4 b 1 16 3 19
# 5 b 2 11 4 15
# 6 b 3 8 5 13
# 7 b (all) 35 12 47
# 8 (all) (all) 61 15 76