R 使用'ftable'属性提取数据

我有时使用

ftable

函数纯粹是为了表示层次类别。但是，有时，当表很大时，我希望在使用它之前进一步子集该表

假设我们从以下几点开始：

mytable <- ftable(Titanic, row.vars = 1:3)
mytable
##                    Survived  No Yes
## Class Sex    Age                   
## 1st   Male   Child            0   5
##              Adult          118  57
##       Female Child            0   1
##              Adult            4 140
## 2nd   Male   Child            0  11
##              Adult          154  14
##       Female Child            0  13
##              Adult           13  80
## 3rd   Male   Child           35  13
##              Adult          387  75
##       Female Child           17  14
##              Adult           89  76
## Crew  Male   Child            0   0
##              Adult          670 192
##       Female Child            0   0
##              Adult            3  20

str(mytable)
##  ftable [1:16, 1:2] 0 118 0 4 0 154 0 13 35 387 ...
##  - attr(*, "row.vars")=List of 3
##   ..$ Class: chr [1:4] "1st" "2nd" "3rd" "Crew"
##   ..$ Sex  : chr [1:2] "Male" "Female"
##   ..$ Age  : chr [1:2] "Child" "Adult"
##  - attr(*, "col.vars")=List of 1
##   ..$ Survived: chr [1:2] "No" "Yes"
## NULL

然而，我不喜欢这种方法，因为如果你不小心的话，总的布局有时会改变。将其与以下内容进行比较，其中删除了仅对儿童进行分组的要求，并增加了仅对未存活儿童进行分组的要求：

ftable(as.table(mytable)[c("1st", "3rd"), , , "No"])
##              Age Child Adult
## Class Sex                   
## 1st   Male           0   118
##       Female         0     4
## 3rd   Male          35   387
##       Female        17    89

我不喜欢行和列的总体布局已经改变。在提取单个列时，必须记住使用

drop=FALSE

来维护维度，这是一个典型的情况：

ftable(as.table(mytable)[c("1st", "3rd"), , , "No", drop = FALSE])
##                    Survived  No
## Class Sex    Age               
## 1st   Male   Child            0
##              Adult          118
##       Female Child            0
##              Adult            4
## 3rd   Male   Child           35
##              Adult          387
##       Female Child           17
##              Adult           89

我知道有很多方法可以获得我想要的数据，从原始数据的子集开始，然后使我的

ftable

，但是对于这个问题，让我们假设这是不可能的

最终目标是采用一种方法，使我能够从

ftable

中提取，从而保留嵌套“行”层次结构的显示格式

还有其他解决办法吗？我们是否可以使用

行.vars

和

列.vars

属性从

ftable

中提取数据并保留其格式

---

我目前的方法也不适用于分层列，因此我希望建议的解决方案也能处理这些情况

例如：

mytable[c("1st", "3rd"), , "Child", ]
## Error: incorrect number of dimensions

## Only the underlying data are seen as having dims
dim(mytable)
## [1] 16  2

## I'm OK with the "Age" column being dropped in this case....
ftable(as.table(mytable)[c("1st", "3rd"), , "Child", ])
##              Survived No Yes
## Class Sex                   
## 1st   Male             0   5
##       Female           0   1
## 3rd   Male            35  13
##       Female          17  14

tab2 <- ftable(Titanic, row.vars = 1:2, col.vars = 3:4)
tab2
##              Age      Child     Adult    
##              Survived    No Yes    No Yes
## Class Sex                                
## 1st   Male                0   5   118  57
##       Female              0   1     4 140
## 2nd   Male                0  11   154  14
##       Female              0  13    13  80
## 3rd   Male               35  13   387  75
##       Female             17  14    89  76
## Crew  Male                0   0   670 192
##       Female              0   0     3  20

我可以通过以下方式回到我想要的：

ftable(as.table(tab2)[c("1st", "3rd"), , , , drop = FALSE], row.vars = 1:2, col.vars = 3:4)

---

但我希望有更直接的东西。

以下是我能够一起破解的东西，来自：

---

一旦数据通过各种因素的组合聚合到频率，就像

泰坦尼克号

数据集一样，可以说，将原始数据子集并将其制表以供显示比操纵输出对象更容易

我知道OP要求使用

ftable

解决方案，但在评论部分来回征求其他意见，我想我会对这个问题发表一个不同的看法，因为它说明了一种在没有自定义函数的情况下同时对数据子集和生成列联表的层次结构的方法

这是一种使用

表

包的方法，它保留了

泰坦尼克号

数据的层次结构，并且在我们对数据帧进行子集划分时消除了空单元格

首先，我们将传入的表转换为数据帧，以便在

tablar（）

函数中对其进行子集

 library(titanic)
 df <- as.data.frame(Titanic)

…以及输出：

> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd") & df$Age=="Child",])

              Age         
              Child       
              Survived    
 Class Sex    No       Yes
 1st   Male    0        5 
       Female  0        1 
 3rd   Male   35       13 
       Female 17       14

如果我们删除

DropEmpty（）

，我们将根据表中的因子变量复制整个表格结构

> # remove DropEmpty() to replicate entire factor structure
> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum,
+         data=df[df$Class %in% c("1st","3rd") & df$Age=="Child",])

              Age                      
              Child        Adult       
              Survived     Survived    
 Class Sex    No       Yes No       Yes
 1st   Male    0        5  0        0  
       Female  0        1  0        0  
 2nd   Male    0        0  0        0  
       Female  0        0  0        0  
 3rd   Male   35       13  0        0  
       Female 17       14  0        0  
 Crew  Male    0        0  0        0  
       Female  0        0  0        0  
> 

复制OP中的第二个和第三个示例也很简单

> # second example from question
> tabular((Class * Sex * Age) ~ Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd") & df$Survived=="No",])

                    Survived
 Class Sex    Age   No      
 1st   Male   Child   0     
              Adult 118     
       Female Child   0     
              Adult   4     
 3rd   Male   Child  35     
              Adult 387     
       Female Child  17     
              Adult  89     
> # third example from question 
> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd"),])

              Age                      
              Child        Adult       
              Survived     Survived    
 Class Sex    No       Yes No       Yes
 1st   Male    0        5  118       57
       Female  0        1    4      140
 3rd   Male   35       13  387       75
       Female 17       14   89       76
> 

---

我以前走过这条路。放弃了，现在我将原始数据子集并使用

ftable

。@RomanLuštrik，你有什么进展想分享吗？我喜欢

ftable

，但遗憾的是它似乎被忽视了。它甚至没有一个合适的

as.data.frame

方法……您希望的结果是在控制台中查看输出，还是打算格式化此表以在文档中使用？您是否愿意接受一种不使用

ftable

的替代方法？@KevinArseneau，更多内容请在控制台查看，出于好奇，最好的方法是什么。我知道有几个软件包可以为具有分层行和列的报告创建很棒的LaTeX和HTML表。Hi。谢谢你的回答。我知道我在报告中使用的“表格”软件包，但正如我在问题下的评论中所提到的，这并不完全是我想要的。不过，对于那些可能不熟悉的人来说，

tabular

功能的一些很好的例子。@A5C1D2H2I1M1N2O1R2T1-理解最初的问题是关于

ftable（）

，正如我在回答中指出的。我认为将数据集聚合成一个狭义的格式整洁的数据集，并将

tabular（）

的

data=

参数中的数据子集以分层方式显示要比通过

ftable（）

操作对象结构输出更容易。也就是说，您发布的提取操作符的特定版本是操纵

ftable（）

对象的一种创造性方法。

tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
        data=df[df$Class %in% c("1st","3rd") & df$Age=="Child",])

> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd") & df$Age=="Child",])

              Age         
              Child       
              Survived    
 Class Sex    No       Yes
 1st   Male    0        5 
       Female  0        1 
 3rd   Male   35       13 
       Female 17       14

> # remove DropEmpty() to replicate entire factor structure
> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum,
+         data=df[df$Class %in% c("1st","3rd") & df$Age=="Child",])

              Age                      
              Child        Adult       
              Survived     Survived    
 Class Sex    No       Yes No       Yes
 1st   Male    0        5  0        0  
       Female  0        1  0        0  
 2nd   Male    0        0  0        0  
       Female  0        0  0        0  
 3rd   Male   35       13  0        0  
       Female 17       14  0        0  
 Crew  Male    0        0  0        0  
       Female  0        0  0        0  
> 

> # second example from question
> tabular((Class * Sex * Age) ~ Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd") & df$Survived=="No",])

                    Survived
 Class Sex    Age   No      
 1st   Male   Child   0     
              Adult 118     
       Female Child   0     
              Adult   4     
 3rd   Male   Child  35     
              Adult 387     
       Female Child  17     
              Adult  89     
> # third example from question 
> tabular((Class * Sex) ~ (Age)*Survived*Heading()*Freq*Heading()*sum*DropEmpty(empty=0),
+         data=df[df$Class %in% c("1st","3rd"),])

              Age                      
              Child        Adult       
              Survived     Survived    
 Class Sex    No       Yes No       Yes
 1st   Male    0        5  118       57
       Female  0        1    4      140
 3rd   Male   35       13  387       75
       Female 17       14   89       76
>