关于dplyr：格式化R中卡方检验的数据


Formatting data for a chi square test in R

我正在尝试重新格式化我的数据以在r中运行卡方检验。我的数据在第一列中设置有我的自变量，而在其他两列中设置了我的自变量组的计数。我在这里举例说明了数据格式。

1
2
3
4
5
6
7
> example <- data.frame(category = c("x","y","x","y"), true = c(2,4,6,3), false = c(7,9,3,5))
> example
  category true false
1        x    2     7
2        y    4     9
3        x    6     3
4        y    3     5

据我所知chisq.test函数无法处理这种格式的数据，所以我认为我需要重新格式化数据以使其看起来像下面的"好例子"，才能运行该函数。我的问题是我不确定对大型数据集进行数据透视的简单方法。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
> good_example <- data.frame(category = c('x','x','y','y','x','x','y','y'),
                           variable = c('true','false','true','false','true','false','true','false'),
                           count = c(2,7,4,9,6,3,3,5))
> good_example
  category variable count
1        x     true     2
2        x    false     7
3        y     true     4
4        y    false     9
5        x     true     6
6        x    false     3
7        y     true     3
8        y    false     5
> tab <- tapply(good_example$count, list(good_example$category, good_example$variable), FUN=sum)
> chisq.test(tab, correct = FALSE)

    Pearson's Chi-squared test

data:  tab
X-squared = 0.50556, df = 1, p-value = 0.4771
相关讨论

如果只需要根据x和y总结所有对与错，则：

1
2
tab = do.call(rbind,by(example[,-1],example$category,colSums))
chisq.test(tab,correct=FALSE)

一种更紧凑的版本(由@markus指出)，您可以根据类别拆分数据，并将sum函数应用于除拆分列之外的所有列：

1
tab = aggregate(.~category, example, sum)

或者也许是dplyr / tidyr版本：

1
2
3
library(dplyr)
tab = example %>% group_by(category) %>% summarise_all(sum)
chisq.test(tab[,-1],correct=FALSE)