4

Tengo un data.frame con una determinada estructura:

ucba <- data.frame(UCBAdmissions)
ucba

      Admit Gender Dept Freq
1  Admitted   Male    A  512
2  Rejected   Male    A  313
3  Admitted Female    A   89
4  Rejected Female    A   19
5  Admitted   Male    B  353
6  Rejected   Male    B  207
7  Admitted Female    B   17
8  Rejected Female    B    8
9  Admitted   Male    C  120
10 Rejected   Male    C  205
11 Admitted Female    C  202
12 Rejected Female    C  391
13 Admitted   Male    D  138
14 Rejected   Male    D  279
15 Admitted Female    D  131
16 Rejected Female    D  244
17 Admitted   Male    E   53
18 Rejected   Male    E  138
19 Admitted Female    E   94
20 Rejected Female    E  299
21 Admitted   Male    F   22
22 Rejected   Male    F  351
23 Admitted Female    F   24
24 Rejected Female    F  317

Y quisiera reformularlo a la siguiente forma:

  Dept Male/Admitted Male/Rejected Female/Admitted Female/Rejected
1    A           512           313              89              19
2    B           353           207              17               8
3    C           120           205             202             391
4    D           138           279             131             244
5    E            53           138              94             299
6    F            22           351              24             317

Básicamente:

  • Agrupamos por departamento
  • Sumarizamos en columnas los valores de aceptación / rechazo (Admit) y sexo Gender.
  • La salida final debe ser otro data.frame y los nombres de las columnas debieran ser explicativos

Investigué varias opciones (aggregate y xtabs) que hasta ahora no me convencen del todo.

2 respuestas 2

3

Una alternativa es usar funciones que vienen el el paquete tidyr:

Primero unimos las columnas Gender y Admit usando la función unite (funcion opuesta es separate):

library(tidyr)
ucbau <- unite(ucba, "gender_admit", Gender, Admit, sep = "/")
ucbau
#> # A tibble: 24 x 3
#>       gender_admit   Dept  Freq
#>  *           <chr> <fctr> <dbl>
#>  1   Male/Admitted      A   512
#>  2   Male/Rejected      A   313
#>  3 Female/Admitted      A    89
#>  4 Female/Rejected      A    19
#>  5   Male/Admitted      B   353
#>  6   Male/Rejected      B   207
#>  7 Female/Admitted      B    17
#>  8 Female/Rejected      B     8
#>  9   Male/Admitted      C   120
#> 10   Male/Rejected      C   205
#> # ... with 14 more rows

Luego esparcimos el data frame (lo transformamos a formato ancho) usando la funcion spread (la opuesta es gather):

spread(ucbau, gender_admit, Freq)
#> # A tibble: 6 x 5
#>     Dept `Female/Admitted` `Female/Rejected` `Male/Admitted`
#> * <fctr>             <dbl>             <dbl>           <dbl>
#> 1      A                89                19             512
#> 2      B                17                 8             353
#> 3      C               202               391             120
#> 4      D               131               244             138
#> 5      E                94               299              53
#> 6      F                24               317              22
#> # ... with 1 more variables: `Male/Rejected` <dbl>

Una de las gracias de las funciones del paquete tidyr (incluyendo las de dplyr) es que tanto el input como el output son data.frames por lo que es fácil encadenarlas. Además hacen el código más legible pues cada función es un verbo.

1

agregate()

Una forma algo compleja de leer pero factible, es usar aggregate() de la siguiente forma:

setNames(
     as.data.frame(
          sapply(
               aggregate(Freq ~ Dept, ucba, cbind)
              ,unlist
          )
     ), 
     c("Dept", c(unique(cbind(paste0(ucba$Gender,"/",ucba$Admit)))))
)

La salida:

  Dept Male/Admitted Male/Rejected Female/Admitted Female/Rejected
1    A           512           313              89              19
2    B           353           207              17               8
3    C           120           205             202             391
4    D           138           279             131             244
5    E            53           138              94             299
6    F            22           351              24             317

Explicación:

  • Con el aggregate inicial, logramos agrupar por Dept y creamos una columna que será una lista con los valores de Freq de cada subgrupo (Gender y Admit)
  • Con sapply() aplicamos la función unlist() y "abrimos" la lista en columnas
  • Por último convertimos todo a un data.frame y configuramos los nombres de columna por algo más claro usando setNames().

xtabs()

Mucho más sencillo es usar las tablas de contingencia mediante xtabs(), para lograr la salida que buscamos, simplemente podemos hacer:

xtabs(Freq ~ Dept+paste0(Gender,"/",Admit), data = ucba)

Esto genera directamente la salida esperada, el problema es que es un objeto de la clase xtabs table y no un data.frame, entonces lo deberemos convertir, pero mantener la estructura de la tabla hay que usar as.data.frame.matrix():

as.data.frame.matrix((xtabs(Freq ~ Dept+paste0(Gender,"/",Admit), data = ucba)))
4
  • ¿Por qué algunos de los textos formateados como código de tu respuesta son enlaces? Cuando pincho en ellos me dirige a una web que aparece un mensaje de que no tengo acceso al objeto solicitado.
    – Juan Luis
    el 16 abr. 2020 a las 14:47
  • 1
    @JuanLuis, Desde hace unos días he notado esto, incluso con enlaces a este sitio desde un búsqueda de Google. Lástima, por que me parecía lo más oficial y rápido con respecto a la documentación de R el 16 abr. 2020 a las 18:04
  • 1
    @JuanLuis, al menos actualice esta pregunta apuntando todo al sitio: www.rdocumentation.org. Me voy a cambiar de proveedor de referencias ;-) el 16 abr. 2020 a las 18:11
  • Ahora sí. La verdad es que la respuesta es mucho más didáctica de esta manera.
    – Juan Luis
    el 16 abr. 2020 a las 18:16

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.