Existe um equivalente R do SAS PROC FREQ?
Respostas:
Eu uso tablee prop.table, mas CrossTableno gmodelspacote, você pode obter resultados ainda mais próximos do SAS. Veja este link .
Além disso, para gerar "estatísticas descritivas para várias variáveis ao mesmo tempo", você usaria a summaryfunção; por exemplo summary(mydata),.
Resumir dados na base R é apenas uma dor de cabeça. Essa é uma das áreas em que o SAS funciona muito bem. Para R, eu recomendo o plyrpacote.
No 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;com plyr:
smry <- ddply(dat, .(a, b), summarise, xmean=mean(x), ymean=mean(y), yvar=var(y))Eu não uso SAS; portanto, não posso comentar se o seguinte é replicado SAS PROC FREQ, mas essas são duas estratégias rápidas para descrever variáveis em um data.frame que costumo usar:
describeinHmiscfornece um resumo útil de variáveis, incluindo dados numéricos e não numéricosdescribeinpsychfornece estatísticas descritivas para dados numéricos
R Exemplo
> library(MASS) # provides dataset called "survey"
> library(Hmisc) # Hmisc describe
> library(psych) # psych describeA seguir está a saída 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]Abaixo está a saída de psych describepara as variáveis 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 0.42Eu uso a função do livro de códigos de {EPICALC}, que fornece estatísticas resumidas para uma variável numérica e uma tabela de frequências com rótulos de nível e códigos para fatores. http://cran.r-project.org/doc/contrib/Epicalc_Book.pdf (consulte a p.50) Além disso, isso é muito útil porque fornece sd para variáveis quantitativas.
Desfrutar !
codebook()isso explica. Uma questão é que nasão descartados, que você pode incluir na sua saída. Uma maneira de lidar com isso (pelo menos com fatores) é usar ? Recode.is.na 1st (por exemplo, "ausente"); para variáveis numéricas, você pode criar uma nova variável imediatamente à esquerda da coluna com um valor lógico baseado em e is.na(), em seguida, executar codebook(). É um pouco desagradável, no entanto.
Você pode conferir meu pacote summarytools ( link CRAN ), que inclui uma função semelhante a um livro de códigos, com opções de formatação de marcação e html.
install.packages("summarytools")
library(summarytools)
dfSummary(CO2, style = "grid", plain.ascii = TRUE)Resumo do Dataframe
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
Nas versões mais recentes das ferramentas de resumo , a freq()função (que produz tabelas de frequência diretas, mais objetivas em relação à pergunta original) aceita quadros de dados e variáveis únicas. Para tabulações cruzadas (que também proc proc freq ), consulte a ctable()função
freq(CO2)Frequências
CO2 $ PlantaTipo : Fator 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 84 100.00 100.00 100.00 100.00Tipo : Fator
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 84 100.00 100.00 100.00 100.00Tipo : Fator
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 84 100.00 100.00 100.00 100.00Obrigado por todas as sugestões todos. Acabei usando a tabela ou a função numSummary do Rcmdr e aplicar:
apply(dataframe[,c('need_rbcs','need_platelets','need_ffp')],2,table) Isso funciona muito bem e não é muito inconveniente. No entanto, definitivamente vou tentar algumas dessas outras soluções!