我喜欢这么简单,dplyr并且tidyr创建了一个包含多个预测变量和结果变量的汇总表.令我难过的一件事是在输出表中保留/定义预测变量的顺序及其因子水平的最后一步.
我已经提出了各种解决方案(下面),其中涉及使用mutate手动创建一个因子变量,该变量将预测变量和预测变量值(例如"gender_female")与所需输出顺序中的级别相结合.但是如果有很多变量,我的解决方案有点长,我想知道是否有更好的方法？
library(dplyr)
library(tidyr)
levels_eth <- c("Maori", "Pacific", "Asian", "Other", "European", "Unknown")
levels_gnd <- c("Female", "Male", "Unknown")
set.seed(1234)
dat <- data.frame(
gender = factor(sample(levels_gnd, 100, replace = TRUE), levels = levels_gnd),
ethnicity = factor(sample(levels_eth, 100, replace = TRUE), levels = levels_eth),
outcome1 = sample(c(TRUE, FALSE), 100, replace = TRUE),
outcome2 = sample(c(TRUE, FALSE), 100, replace = TRUE)
)
dat %>%
gather(key = outcome, value = outcome_value, contains("outcome")) %>%
gather(key = predictor, value = pred_value, …unnest在a 上运行时，data.frame有没有办法将嵌套项的组名称添加到它包含的各个列（作为后缀或前缀）。或者是否必须通过手动完成重命名rename？
这与“取消嵌套”包含同名列的多个组尤其相关。
在下面的示例中，base aggregate该命令做得很好（例如 Petal.Length.mn），但我找不到执行unnest相同操作的选项？
我使用nestwith是purrr::map因为我想要灵活地混合功能，例如。计算几个变量的均值和标准差，并运行测试以查看它们之间的差异。
library(dplyr, warn.conflicts = FALSE)
msd_c <- function(x) c(mn = mean(x), sd = sd(x))
msd_df <- function(x) bind_rows(c(mn = mean(x), sd = sd(x)))
aggregate(cbind(Petal.Length, Petal.Width) ~ Species,
data = iris, FUN = msd_c)
#> Species Petal.Length.mn Petal.Length.sd Petal.Width.mn Petal.Width.sd
#> 1 setosa 1.4620000 0.1736640 0.2460000 0.1053856
#> 2 versicolor 4.2600000 0.4699110 1.3260000 0.1977527
#> 3 virginica 5.5520000 0.5518947 2.0260000 0.2746501
iris …这个问题与R - 如何将公式传递给函数内的 with(df, glm(y ~ x)) 构造高度相关，但提出了更广泛的问题。
为什么这些表达式有效？
text_obj <- "mpg ~ cyl"
form_obj <- as.formula(text_obj)
with(mtcars, lm(mpg ~ cyl))
with(mtcars, lm(as.formula(text_obj)))
lm(form_obj, data = mtcars)
但不是这个吗？
with(mtcars, lm(form_obj))
Error in eval(predvars, data, env) : object 'mpg' not found
我通常会使用该data参数，但这在mice包中是不可能的。IE。
library(mice)
mtcars[5, 5] <- NA # introduce a missing value to be imputed
mtcars.imp = mice(mtcars, m = 5)
这些不起作用
lm(form_obj, data = mtcars.imp)
with(mtcars.imp, lm(form.obj))
但这确实
with(mtcars.imp, lm(as.formula(text_obj)))
因此，是否总是as.formula在函数内部使用参数，而不是先构造它然后将其传入？