Как получить data.frame с делами из таблицы сопряженности в r?

Я хотел бы воспроизвести некоторые расчеты из книги (логит регрессия). Книга дает таблицу непредвиденных расходов и результаты.

Вот таблица:

    .


    example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
    #Labels:
    rownames(example) <- c("Present","Absent")
    colnames(example) <- c(">= 55", "<55")

Это дает мне это:

            >= 55 <55
    Present    21  22
    Absent      6  51

Но для использования функции glm() данные должны быть следующими:

(два столбца, один с "Возрастом" и один с "Подарком", заполненный 0/1)

    age <- c(rep(c(0),27), rep(c(1),73))
    present <- c(rep(c(0),21), rep(c(1),6), rep(c(0),22), rep(c(1),51))

    data <- data.frame(present, age)

    > data
        present age
    1         0   0
    2         0   0
    3         0   0
    .         .   .
    .         .   .
    .         .   .
    100       1   1

Есть ли простой способ получить эту структуру из таблицы / матрицы?

Источник

5 ответов

Решение
reshape2::melt(example)

Это даст вам,

     Var1  Var2 value
1 Present >= 55    21
2  Absent >= 55     6
3 Present   <55    22
4  Absent   <55    51

который вы можете легко использовать для glm

Источник

Вы могли бы, возможно, использовать countsToCases функция, как определено здесь.

countsToCases(as.data.frame(as.table(example))) 
#        Var1  Var2
#1    Present >= 55
#1.1  Present >= 55
#1.2  Present >= 55
#1.3  Present >= 55
#1.4  Present >= 55
#1.5  Present >= 55
# ...

Вы всегда можете перекодировать переменные в числовые значения, если хотите.

Источник

Код ниже может выглядеть длинным, но только group_by() а также do() Инструкция заниматься расширением данных. Все остальное касается изменения данных в длинном формате и кодирования символьных переменных в 0 и 1. Я попытался начать с точной матрицы, которую вы задали в своем вопросе.

Загрузка пакетов манипулирования данными

library(tidyr)
library(dplyr)

Создать фрейм данных

Создайте матрицу, как в вашем примере, но избегайте знаков ">" в ​​именах столбцов

example <- matrix(c(21,22,6,51), nrow = 2, byrow = TRUE)
rownames(example) <- c("Present","Absent")
colnames(example) <- c("above55", "below55")

Преобразовать матрицу в кадр данных

example <- data.frame(example) %>%
    add_rownames("chd")

Или просто создайте фрейм данных напрямую

data.frame(chd = c("Present", "Absent"),
           above55 = c(21,6),
           below55 = c(22,51))

Изменить данные

data2 <- example %>% 
    gather(age, nrow, -chd) %>%
    # Encode chd and age as 0 or 1
    mutate(chd = ifelse(chd=="Present",1,0),
           age = ifelse(age=="above55",1,0)) %>%
    group_by(chd, age) %>%
    # Expand each variable by nrow
    do(data.frame(chd = rep(.$chd,.$nrow),
                  age = rep(.$age,.$nrow)))

head(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
# 
#     chd   age
#   (dbl) (dbl)
# 1     0     0
# 2     0     0
# 3     0     0
# 4     0     0
# 5     0     0
# 6     0     0
tail(data2)
# Source: local data frame [6 x 2]
# Groups: chd, age [1]
# 
#     chd   age
#   (dbl) (dbl)
# 1     1     1
# 2     1     1
# 3     1     1
# 4     1     1
# 5     1     1
# 6     1     1

table(data2)
#        age
# chd  0  1
#   0 51  6
#   1 22 21

То же, что и в вашем примере, за исключением проблемы кодирования возраста, упомянутой в моем комментарии выше.

Источник

Я бы пошел на:

library(data.table)
tab <- data.table(AGED = c(1, 1, 0, 0),
                  CHD = c(1, 0, 1, 0),
                  Count = c(21, 6, 22, 51))

tabExp <- tab[rep(1:.N, Count), .(AGED, CHD)]

Изменить: Быстрое объяснение, так как мне потребовалось некоторое время, чтобы понять это:

В data.table объекты .N хранит количество строк в группе (если сгруппировано с by) или просто количество строк в целом data.tableИтак, в этом примере:

tab[rep(1:.N, Count)]

а также

tab[rep(1:4, Count)]

и наконец

tab[rep(1:4, c(21, 6, 22, 51)]

эквивалентны.

То же самое с базой R:

tab2 <- data.frame(AGED = c(1, 1, 0, 0),
                   CHD = c(1, 0, 1, 0),
                   Count = c(21, 6, 22, 51))

tabExp2 <- tab2[rep(1:nrow(tab2), tab2$Count), c("AGED", "CHD")]
Источник

Так, glm не совсем так негибко. Частично ?glm читает

 For ‘binomial’ and ‘quasibinomial’ families the response can also
 be specified as a ‘factor’ (when the first level denotes failure
 and all others success) or as a two-column matrix with the columns
 giving the numbers of successes and failures.

Я предполагаю, что вы хотите проверить влияние возраста на Present/Absent, Ключ для указания ответа типа (в псевдокоде) c(success, failure),

Таким образом, вам нужны данные, как data.frame(Age= ..., Present = ..., Absent), Самый простой способ сделать это из вашего example это транспонировать, а затем принуждать к data.frameи добавьте столбец:

example_t <- as.data.frame(t(example))
example_df <- data.frame(example_t, Age=factor(row.names(example_t)))

что дает вам

      Present Absent   Age
>= 55      21      6 >= 55
<55        22     51   <55

Затем вы можете запустить GLM:

glm(cbind(Present, Absent) ~ Age, example_df, family = 'binomial')

получить

Call:  glm(formula = cbind(Present, Absent) ~ Age, family = "binomial",
    data = example_for_glm)

Coefficients:
(Intercept)       Age<55
      1.253       -2.094

Degrees of Freedom: 1 Total (i.e. Null);  0 Residual
Null Deviance:      18.7
Residual Deviance: -1.332e-15   AIC: 11.99

добавление

Вы также можете получить ответ через @therimalaya. Но это только первый шаг

as.data.frame(as.table(example))

(только дает вам часть пути там)

    Var1  Var2 Freq
1 Present >= 55   21
2  Absent >= 55    6
3 Present   <55   22
4  Absent   <55   51

но чтобы на самом деле иметь столбец успехов и неудач, нужно сделать что-то большее. Вы могли бы использовать tidyr попасть туда

as.data.frame(as.table(example)) %>% tidyr::spread(Var1, Freq)

похож на мой example_df выше

  Var2 Present Absent
1 >= 55      21      6
2   <55      22     51
Источник
Другие вопросы по тегам