0

我进行了一项包含大量项目的调查，每个项目都有不同的分类响应选项存储为因素。我需要以一种有效的方式总结这些列，最好是具有类似forcats::fct_count(). 我还需要知道为每个变量提供了多少非 NA 响应，因为不同的项目显示给不同的受访者。我编写了一个函数来制作一个整洁的小摘要数据框，但我正在努力沿着每一列有效地运行这个函数，然后将结果组合成一个对象 (ala ddply)。

我已经尝试过sapply()，gather()将数据转换为长格式然后运行ddply()，但是每个变量的不同级别的问题似乎一直在阻碍。请参阅下面的数据集和我的汇总函数的可重现示例。我可以为每个变量运行该函数（如下所示），但我知道必须有一种更有效的方法来执行此操作，而不涉及创建大量单独的摘要数据框对象。感谢您的任何帮助，您可以提供。

data <- data.frame(
  ID = c(1:50),
  X = as.factor(sample(c("yes", "no", NA), 50, replace = TRUE)),
  Y = as.factor(sample(c("a", "b", "c", NA), 50, replace = TRUE)),
  Z = as.factor(sample(c("d", "e", "f", "g", "h", NA), 50, replace = TRUE))
)

library(tidyverse)
library(forcats)

factorsummaries.f <- function(x) {
  x <- na.omit(x)
  counts <- fct_count(fct_drop(x), sort = T)
  counts$f <- as.character(counts$f)
  total <- data.frame(f = "sum", n = as.numeric(sum(counts$n)))
  return(bind_rows(counts, total))
}

factorsummaries.f(data$X)
factorsummaries.f(data$Y)
4

1 回答 1

1

也许你正在寻找purrr::map_dfr

map_dfr(data[,2:ncol(data)], factorsummaries.f, .id = "colname")
#output  


 colname     f     n
   <chr> <chr> <dbl>
 1     X    no    18
 2     X   yes    17
 3     X   sum    35
 4     Y     a    14
 5     Y     c    13
 6     Y     b    12
 7     Y   sum    39
 8     Z     g    10
 9     Z     d     9
10     Z     h     8
11     Z     f     6
12     Z     e     5
13     Z   sum    38
于 2017-11-10T18:41:26.543 回答