Существует ли R-эквивалент SAS PROC FREQ?


18

Кто-нибудь знает R, эквивалентный SAS PROC FREQ?

Я пытаюсь создать сводную описательную статистику для нескольких переменных одновременно.


2
Почему этот вопрос был закрыт? Это относится к визуализации данных и вызвало несколько полезных ответов.
z0lo

Ответы:


12

Я использую tableи prop.table, но CrossTableв gmodelsпакете может дать вам результаты даже ближе к SAS. Смотрите эту ссылку .

Кроме того, чтобы создать «описательную статистику для нескольких переменных одновременно», вы должны использовать summaryфункцию; например, summary(mydata).


Кроме того, я настоятельно рекомендую пакет vcd , но см. Прилагаемую виньетку: Работа с категориальными данными с помощью R и пакетов vcd и vcdExtra .
ЧЛ

9

Обобщение данных в базе R - просто головная боль. Это одна из областей, где SAS работает достаточно хорошо. Для R, я рекомендую plyrпакет.

В САС:

/* tabulate by a and b, with summary stats for x and y in each cell */
proc summary data=dat nway;
  class a b;
  var x y;
  output out=smry mean(x)=xmean mean(y)=ymean var(y)=yvar;
run;

с plyr:

smry <- ddply(dat, .(a, b), summarise, xmean=mean(x), ymean=mean(y), yvar=var(y))

8

Я не использую SAS; поэтому я не могу прокомментировать, воспроизводятся ли следующие SAS PROC FREQ, но это две быстрые стратегии для описания переменных в data.frame, которые я часто использую:

  • describeв Hmiscпредоставляет полезную сводку переменных, включая числовые и нечисловые данные
  • describeв psychобеспечивает описательную статистику для числовых данных

Пример R

> library(MASS) # provides dataset called "survey"
> library(Hmisc) # Hmisc describe
> library(psych) # psych describe

Следующее является результатом Hmisc describe:

> Hmisc::describe(survey)
survey 

 12  Variables      237  Observations
----------------------------------------------------------------------------------------------------------------------
Sex 
      n missing  unique 
    236       1       2 

Female (118, 50%), Male (118, 50%) 
----------------------------------------------------------------------------------------------------------------------
Wr.Hnd 
      n missing  unique    Mean     .05     .10     .25     .50     .75     .90     .95 
    236       1      60   18.67   16.00   16.50   17.50   18.50   19.80   21.15   22.05 

lowest : 13.0 14.0 15.0 15.4 15.5, highest: 22.5 22.8 23.0 23.1 23.2 
----------------------------------------------------------------------------------------------------------------------
NW.Hnd 
      n missing  unique    Mean     .05     .10     .25     .50     .75     .90     .95 
    236       1      68   18.58   15.50   16.30   17.50   18.50   19.72   21.00   22.22 

lowest : 12.5 13.0 13.3 13.5 15.0, highest: 22.7 23.0 23.2 23.3 23.5 
----------------------------------------------------------------------------------------------------------------------
[ABBREVIATED OUTPUT]

Затем ниже вывод psych describeдля числовых переменных:

> psych::describe(survey[,sapply(survey, class) %in% c("numeric", "integer") ])
       var   n   mean    sd median trimmed   mad    min   max range  skew kurtosis   se
Wr.Hnd   1 236  18.67  1.88  18.50   18.61  1.48  13.00  23.2 10.20  0.18     0.36 0.12
NW.Hnd   2 236  18.58  1.97  18.50   18.55  1.63  12.50  23.5 11.00  0.02     0.51 0.13
Pulse    3 192  74.15 11.69  72.50   74.02 11.12  35.00 104.0 69.00 -0.02     0.41 0.84
Height   4 209 172.38  9.85 171.00  172.19 10.08 150.00 200.0 50.00  0.22    -0.39 0.68
Age      5 237  20.37  6.47  18.58   18.99  1.61  16.75  73.0 56.25  5.16    34.53 0.42

3

Я использую функцию кодовой книги из {EPICALC}, которая дает сводную статистику для числовой переменной и таблицу частот с метками уровня и кодами для факторов. http://cran.r-project.org/doc/contrib/Epicalc_Book.pdf (см. стр. 50). Кроме того, это очень полезно, поскольку предоставляет sd для количественных переменных.

Наслаждайтесь !

образец вывода


1
+1 (ранее). Мне очень нравится, как codebook()это изложено. 1 проблема в том, что nas отброшены, что вы можете включить в ваш вывод. 1 способ справиться с этим (по крайней мере, с учетом факторов) - использовать ? Recode.is.na 1st (например, «отсутствующий»); для числовых переменных вы можете создать новую переменную непосредственно слева от столбца с логическим значением на основе is.na(), а затем запустить codebook(). Это немного клуге, хотя.
gung - Восстановить Монику

3

Вы можете проверить мой пакет summarytools ( ссылка на CRAN ), который включает функцию, подобную кодовой книге, с опциями форматирования markdown и html.

install.packages("summarytools")
library(summarytools)
dfSummary(CO2, style = "grid", plain.ascii = TRUE)

Сводка данных

СО2

+------------+---------------+-------------------------------------+--------------------+-----------+
| Variable   | Properties    | Stats / Values                      | Freqs, % Valid     | N Valid   |
+============+===============+=====================================+====================+===========+
| Plant      | type:integer  | 1. Qn1                              | 1: 7 (8.3%)        | 84/84     |
|            | class:ordered | 2. Qn2                              | 2: 7 (8.3%)        | (100.0%)  |
|            | + factor      | 3. Qn3                              | 3: 7 (8.3%)        |           |
|            |               | 4. Qc1                              | 4: 7 (8.3%)        |           |
|            |               | 5. Qc3                              | 5: 7 (8.3%)        |           |
|            |               | 6. Qc2                              | 6: 7 (8.3%)        |           |
|            |               | 7. Mn3                              | 7: 7 (8.3%)        |           |
|            |               | 8. Mn2                              | 8: 7 (8.3%)        |           |
|            |               | 9. Mn1                              | 9: 7 (8.3%)        |           |
|            |               | 10. Mc2                             | 10: 7 (8.3%)       |           |
|            |               | ... 2 other levels                  | others: 14 (16.7%) |           |
+------------+---------------+-------------------------------------+--------------------+-----------+
| Type       | type:integer  | 1. Quebec                           | 1: 42 (50%)        | 84/84     |
|            | class:factor  | 2. Mississippi                      | 2: 42 (50%)        | (100.0%)  |
+------------+---------------+-------------------------------------+--------------------+-----------+
| Treatment  | type:integer  | 1. nonchilled                       | 1: 42 (50%)        | 84/84     |
|            | class:factor  | 2. chilled                          | 2: 42 (50%)        | (100.0%)  |
+------------+---------------+-------------------------------------+--------------------+-----------+
| conc       | type:double   | mean (sd) = 435 (295.92)            | 95: 12 (14.3%)     | 84/84     |
|            | class:numeric | min < med < max = 95 < 350 < 1000   | 175: 12 (14.3%)    | (100.0%)  |
|            |               | IQR (CV) = 500 (0.68)               | 250: 12 (14.3%)    |           |
|            |               |                                     | 350: 12 (14.3%)    |           |
|            |               |                                     | 500: 12 (14.3%)    |           |
|            |               |                                     | 675: 12 (14.3%)    |           |
|            |               |                                     | 1000: 12 (14.3%)   |           |
+------------+---------------+-------------------------------------+--------------------+-----------+
| uptake     | type:double   | mean (sd) = 27.21 (10.81)           | 76 distinct values | 84/84     |
|            | class:numeric | min < med < max = 7.7 < 28.3 < 45.5 |                    | (100.0%)  |
|            |               | IQR (CV) = 19.23 (0.4)              |                    |           |
+------------+---------------+-------------------------------------+--------------------+-----------+

РЕДАКТИРОВАТЬ

В более новых версиях summarytoolsfreq() функция (которая создает простые таблицы частот, более точные по отношению к исходному вопросу) принимает кадры данных, а также отдельные переменные. Для кросс-таблиц (которые также делает proc freq ), смотрите ctable()функцию.

freq(CO2)

частоты

$ Plant CO2

Тип : Упорядоченный фактор

          Freq   % Valid    % Valid Cum   % Total    % Total Cum
    Qn1      7      8.33           8.33      8.33           8.33
    Qn2      7      8.33          16.67      8.33          16.67
    Qn3      7      8.33          25.00      8.33          25.00
    Qc1      7      8.33          33.33      8.33          33.33
    Qc3      7      8.33          41.67      8.33          41.67
    Qc2      7      8.33          50.00      8.33          50.00
    Mn3      7      8.33          58.33      8.33          58.33
    Mn2      7      8.33          66.67      8.33          66.67
    Mn1      7      8.33          75.00      8.33          75.00
    Mc2      7      8.33          83.33      8.33          83.33
    Mc3      7      8.33          91.67      8.33          91.67
    Mc1      7      8.33         100.00      8.33         100.00
   <NA>      0                               0.00         100.00
  Total     84    100.00         100.00    100.00         100.00
CO2 $ Тип

Тип : Фактор

                Freq   % Valid    % Valid Cum   % Total    % Total Cum
       Quebec     42     50.00          50.00     50.00          50.00
  Mississippi     42     50.00         100.00     50.00         100.00
         <NA>      0                               0.00         100.00
        Total     84    100.00         100.00    100.00         100.00
$ Лечение CO2

Тип : Фактор

               Freq   % Valid    % Valid Cum   % Total    % Total Cum
  nonchilled     42     50.00          50.00     50.00          50.00
     chilled     42     50.00         100.00     50.00         100.00
        <NA>      0                               0.00         100.00
       Total     84    100.00         100.00    100.00         100.00

2

Спасибо всем за предложения. В итоге я использовал функцию таблицы или Rcmdr numSummary и применил:

apply(dataframe[,c('need_rbcs','need_platelets','need_ffp')],2,table) 

Это работает довольно хорошо и не слишком неудобно. Однако я обязательно попробую некоторые из этих решений!

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.