r - Simple Table with dplyr on Sequence Data -
i make simple table
dplyr and
summarise but can't figure out how ... (even though should quite simple).
i have matrix of sequences. when tabulate
table(dta) i have result want.
dta acquaintance alone child notnotnot nuclear 1 2 17 19 131 nuclear , acquaintance nuclear , acquaintance nuclear , acquaintance nuclear , acquaintance partner 1 1 1 35 2 however, can't figure out how same summarise
any suggestion ?
dta = structure(c("nuclear", "nuclear", "child", "child", "child", "acquaintance", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "child", "child", "child", "alone", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "child", "child", "child", "child", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "child", "child", "child", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "child", "child", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "partner", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "partner", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear , acquaintance", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear", "nuclear", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear", "nuclear", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear", "nuclear", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "nuclear", "nuclear", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "child", "nuclear", "notnotnot", "nuclear", "nuclear", "nuclear", "nuclear", "nuclear , acquaintance", "nuclear", "nuclear", "child", "alone", "notnotnot", "nuclear" ), .dim = c(10l, 21l), .dimnames = list(c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"), c("12:10", "12:20", "12:30", "12:40", "12:50", "13:00", "13:10", "13:20", "13:30", "13:40", "13:50", "14:00", "14:10", "14:20", "14:30", "14:40", "14:50", "15:00", "15:10", "15:20", "15:30")))
you have convert data data.frame use dplyr , can desired output:
require(dplyr) # ungrouped data_frame(var = c(dta)) %>% group_by_("var") %>% summarise(n()) ## var n() ## 1 acquaintance 1 ## 2 alone 2 ## 3 child 17 ## 4 notnotnot 19 ## 5 nuclear 131 ## 6 nuclear , acquaintance 1 ## 7 nuclear , acquaintance 1 ## 8 nuclear , acquaintance 1 ## 9 nuclear , acquaintance 35 ## 10 partner 2 if want each column seperately, can use tidyr first gather result , spread again.
require(tidyr) # grouped dta %>% as.data.frame %>% gather %>% group_by(key, value) %>% summarise(n = n()) %>% spread(key, n) ## value 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 ## 1 acquaintance 1 na na na na na na na na na na na na ## 2 alone na 1 na na na na na na na na na na na ## 3 child 3 3 4 3 2 na na na na na na na na ## 4 notnotnot 1 1 1 1 1 1 1 1 1 1 1 na na ## 5 nuclear 3 3 3 4 5 7 7 7 7 7 7 7 7 ## 6 nuclear , acquaintance na na na na na na na na na na na na na ## 7 nuclear , acquaintance na na na na na na na na na na na na na ## 8 nuclear , acquaintance na na na na na na na na na na na na na ## 9 nuclear , acquaintance 2 2 2 2 2 2 2 2 2 2 2 2 2 ## 10 partner na na na na na na na na na na na 1 1 ## variables not shown: 14:20 (int), 14:30 (int), 14:40 (int), 14:50 (int), 15:00 (int), 15:10 (int), 15:20 (int), ## 15:30 (int)
Comments
Post a Comment