¿Hay un R equivalente de SAS PROC FREQ?

18

¿Alguien sabe de una R equivalente a SAS PROC FREQ?

Estoy tratando de generar estadísticas descriptivas resumidas para múltiples variables a la vez.

r descriptive-statistics sas z0lo
fuente
2
¿Por qué se cerró esta pregunta? Se relaciona con la visualización de datos y generó varias respuestas valiosas.
z0lo

Respuestas:

9

Resumir datos en la base R es solo un dolor de cabeza. Esta es una de las áreas donde SAS funciona bastante bien. Para R, recomiendo el plyrpaquete.

En SAS:

/* 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;

con plyr:

smry <- ddply(dat, .(a, b), summarise, xmean=mean(x), ymean=mean(y), yvar=var(y))
Hong Ooi
fuente
8

Yo no uso SAS; así que no puedo comentar si los siguientes se replican SAS PROC FREQ, pero estas son dos estrategias rápidas para describir variables en un marco de datos que a menudo uso:

  • describeen Hmiscproporciona un resumen útil de variables que incluyen datos numéricos y no numéricos
  • describeen psychproporciona estadísticas descriptivas para datos numéricos

R Ejemplo

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

El siguiente es el resultado de 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]

A continuación, se muestra la salida de psych describelas variables numéricas:

> 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
Jeromy Anglim
fuente
3

Utilizo la función de libro de códigos de {EPICALC} que proporciona estadísticas de resumen para una variable numérica y una tabla de frecuencias con etiquetas de nivel y códigos para factores. http://cran.r-project.org/doc/contrib/Epicalc_Book.pdf (ver p.50) Además, esto es muy útil porque proporciona SD para variables cuantitativas.

¡A disfrutar!

salida de muestra

Epifunky
fuente
1
+1 (de antes). Realmente me gusta la forma en que codebook()expone esto. 1 problema es que nase eliminan los correos electrónicos, que es posible que desee incluir en su salida. Una forma de lidiar con esto (al menos con factores) es usar ? Recode.is.na 1st (por ejemplo, "falta"); para variables numéricas, puede crear una nueva variable inmediatamente a la izquierda de la columna con un valor lógico basado en is.na(), y luego ejecutar codebook(). Sin embargo, es un poco complicado.
gung - Restablece a Monica
3

Puede consultar mi paquete summarytools ( enlace CRAN ) que incluye una función similar a un libro de códigos, con opciones de formato de descuento y html.

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

Resumen de trama de datos

CO2

+------------+---------------+-------------------------------------+--------------------+-----------+
| 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)              |                    |           |
+------------+---------------+-------------------------------------+--------------------+-----------+

EDITAR

En las versiones más recientes de summarytools , la freq()función (que produce tablas de frecuencia directas, más concretamente con respecto a la pregunta original) acepta marcos de datos, así como variables individuales. Para tabulaciones cruzadas (que también hace proc freq ), vea la ctable()función.

freq(CO2)

Frecuencias

CO2 $ Plant

Tipo : Factor ordenado 

          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 $ Tipo

Tipo : Factor 

                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
Tratamiento de CO2 $

Tipo : Factor 

               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
Dominic Comtois
fuente
2

Gracias por todas las sugerencias a todos. Terminé usando la tabla o la función numSummary de Rcmdr más aplicar:

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

Esto funciona bastante bien y no es demasiado inconveniente. Sin embargo, definitivamente probaré algunas de estas otras soluciones.

z0lo
fuente