Ich möchte eine Kreuztabelle ausgeben, die sowohl absolute Häufigkeiten als auch Prozentwerte enthält.
Ich erstelle folgende Kreuztabelle:
A <- rep(c("A1", "A2", "A3"), 10)
B <- sample(1:5, size=30, replace=TRUE)
C <- sample(c("ja", "nein"), size=30, replace=TRUE)
df <- data.frame(rbind(table(B, A),
table(C, A)))
df## A1 A2 A3
## 1 0 4 1
## 2 1 1 4
## 3 2 1 1
## 4 2 3 0
## 5 5 1 4
## ja 5 3 6
## nein 5 7 4Die einzelnen Werte sollen nun mit den jeweiligen Prozentwerten ergänzt werden. Dies kann mit den Funktionen transmute() und across() erfolgen.
df %>%
# über jede Spalte
transmute(across(everything(),
# x ausgeben und " (x%)" anhängen
~ paste0(.x, " (", round(.x / sum(df), 2) * 100, "%)")
)
)## A1 A2 A3
## 1 0 (0%) 4 (7%) 1 (2%)
## 2 1 (2%) 1 (2%) 4 (7%)
## 3 2 (3%) 1 (2%) 1 (2%)
## 4 2 (3%) 3 (5%) 0 (0%)
## 5 5 (8%) 1 (2%) 4 (7%)
## ja 5 (8%) 3 (5%) 6 (10%)
## nein 5 (8%) 7 (12%) 4 (7%)Häufig erstellen wir verschiedene Kreuztabellen mit der selben “Gruppierungsvariable”, z.B. Geschlecht oder Kontroll- vs. Interventionsgruppe.
Nehmen wir als Beispiel den Datensatz pf8.
load(url("https://www.produnis.de/R/pf8.RData"))
# oder
pf8 <- jgsbook::pf8Möchten wir hinsichtlich der Variable Geschlecht unterscheiden, würden wir die Kreuztabellen mit anderen Variablen einzeln per xtab() oder table() erstellen.
table(pf8$Standort, pf8$Geschlecht)##
## männlich weiblich divers
## Rheine 90 112 1
## Münster 75 103 0
## Bahn 36 48 0
## Ladbergen 26 17 0
## Internet 60 157 0table(pf8$Bildung, pf8$Geschlecht)##
## männlich weiblich divers
## keinen 2 3 0
## Hauptschule 30 26 0
## mittlere Reife 46 53 0
## Ausbildung 10 19 0
## Fachabitur 23 42 0
## Abitur 64 76 0
## Hochschule 50 56 1table(pf8$Familienstand, pf8$Geschlecht)##
## männlich weiblich divers
## ledig 125 162 0
## Partnerschaft 56 98 0
## verheiratet 90 136 1
## geschieden 6 23 0
## verwitwet 5 13 0
## getrennt 4 4 0Eine alternative Vorgehensweise besteht darin, mit der Funktion lapply() eine list der Kreuztabellen zu erstellen.
tbl.list <- lapply(pf8[, c("Standort", "Bildung", "Familienstand")],
function(x) xtabs(~ x + pf8$Geschlecht))
tbl.list## $Standort
## pf8$Geschlecht
## x männlich weiblich divers
## Rheine 90 112 1
## Münster 75 103 0
## Bahn 36 48 0
## Ladbergen 26 17 0
## Internet 60 157 0
##
## $Bildung
## pf8$Geschlecht
## x männlich weiblich divers
## keinen 2 3 0
## Hauptschule 30 26 0
## mittlere Reife 46 53 0
## Ausbildung 10 19 0
## Fachabitur 23 42 0
## Abitur 64 76 0
## Hochschule 50 56 1
##
## $Familienstand
## pf8$Geschlecht
## x männlich weiblich divers
## ledig 125 162 0
## Partnerschaft 56 98 0
## verheiratet 90 136 1
## geschieden 6 23 0
## verwitwet 5 13 0
## getrennt 4 4 0Wir haben Zugriff auf die einzelnen Kreuztabellen per tbl.list[[1]] oder tbl.list[[2]].
tbl.list[[3]]## pf8$Geschlecht
## x männlich weiblich divers
## ledig 125 162 0
## Partnerschaft 56 98 0
## verheiratet 90 136 1
## geschieden 6 23 0
## verwitwet 5 13 0
## getrennt 4 4 0Mit der Liste können wir nun weiterarbeiten. Zum Beispiel können wir Spalten- und Zeilensummen hinzufügen…
lapply(tbl.list, addmargins)## $Standort
## pf8$Geschlecht
## x männlich weiblich divers Sum
## Rheine 90 112 1 203
## Münster 75 103 0 178
## Bahn 36 48 0 84
## Ladbergen 26 17 0 43
## Internet 60 157 0 217
## Sum 287 437 1 725
##
## $Bildung
## pf8$Geschlecht
## x männlich weiblich divers Sum
## keinen 2 3 0 5
## Hauptschule 30 26 0 56
## mittlere Reife 46 53 0 99
## Ausbildung 10 19 0 29
## Fachabitur 23 42 0 65
## Abitur 64 76 0 140
## Hochschule 50 56 1 107
## Sum 225 275 1 501
##
## $Familienstand
## pf8$Geschlecht
## x männlich weiblich divers Sum
## ledig 125 162 0 287
## Partnerschaft 56 98 0 154
## verheiratet 90 136 1 227
## geschieden 6 23 0 29
## verwitwet 5 13 0 18
## getrennt 4 4 0 8
## Sum 286 436 1 723… oder Prozenttabellen erstellen. Um die Prozentwerte zeilenweise zu bilden, muss der Parameter margin=1 angegeben werden. Für spaltenweises Vorgehen gilt margin=2.
lapply(tbl.list, prop.table, margin=1)## $Standort
## pf8$Geschlecht
## x männlich weiblich divers
## Rheine 0.443349754 0.551724138 0.004926108
## Münster 0.421348315 0.578651685 0.000000000
## Bahn 0.428571429 0.571428571 0.000000000
## Ladbergen 0.604651163 0.395348837 0.000000000
## Internet 0.276497696 0.723502304 0.000000000
##
## $Bildung
## pf8$Geschlecht
## x männlich weiblich divers
## keinen 0.400000000 0.600000000 0.000000000
## Hauptschule 0.535714286 0.464285714 0.000000000
## mittlere Reife 0.464646465 0.535353535 0.000000000
## Ausbildung 0.344827586 0.655172414 0.000000000
## Fachabitur 0.353846154 0.646153846 0.000000000
## Abitur 0.457142857 0.542857143 0.000000000
## Hochschule 0.467289720 0.523364486 0.009345794
##
## $Familienstand
## pf8$Geschlecht
## x männlich weiblich divers
## ledig 0.435540070 0.564459930 0.000000000
## Partnerschaft 0.363636364 0.636363636 0.000000000
## verheiratet 0.396475771 0.599118943 0.004405286
## geschieden 0.206896552 0.793103448 0.000000000
## verwitwet 0.277777778 0.722222222 0.000000000
## getrennt 0.500000000 0.500000000 0.000000000Zudem können wir Signifikanztests rechnen.
lapply(tbl.list, chisq.test)## $Standort
##
## Pearson's Chi-squared test
##
## data: X[[i]]
## X-squared = 26.296, df = 8, p-value = 0.0009347
##
##
## $Bildung
##
## Pearson's Chi-squared test
##
## data: X[[i]]
## X-squared = 9.4526, df = 12, p-value = 0.6639
##
##
## $Familienstand
##
## Pearson's Chi-squared test
##
## data: X[[i]]
## X-squared = 10.503, df = 10, p-value = 0.3975Wenn wir die Liste in ein Objekt speichern, können wir uns nur die p-Werte ausgeben lassen.
chi.list <- lapply(tbl.list, chisq.test)
chi.list[[1]]$p.value## [1] 0.0009347078Zu guter Letzt können wir die einzelnen Kreuztabellen zu einer “großen” Tabelle vereinen.
rbind(tbl.list[[1]],
tbl.list[[2]],
tbl.list[[3]])## männlich weiblich divers
## Rheine 90 112 1
## Münster 75 103 0
## Bahn 36 48 0
## Ladbergen 26 17 0
## Internet 60 157 0
## keinen 2 3 0
## Hauptschule 30 26 0
## mittlere Reife 46 53 0
## Ausbildung 10 19 0
## Fachabitur 23 42 0
## Abitur 64 76 0
## Hochschule 50 56 1
## ledig 125 162 0
## Partnerschaft 56 98 0
## verheiratet 90 136 1
## geschieden 6 23 0
## verwitwet 5 13 0
## getrennt 4 4 0dummy <- rbind(tbl.list[[1]],
tbl.list[[2]],
tbl.list[[3]])
# erzeuge ein Datenframe aus den Zeilennamen und den Werten
dummy <- data.frame( row.names(dummy), dummy )
# lösche die alten Rownames
rownames(dummy) <- NULL
dummy## row.names.dummy. männlich weiblich divers
## 1 Rheine 90 112 1
## 2 Münster 75 103 0
## 3 Bahn 36 48 0
## 4 Ladbergen 26 17 0
## 5 Internet 60 157 0
## 6 keinen 2 3 0
## 7 Hauptschule 30 26 0
## 8 mittlere Reife 46 53 0
## 9 Ausbildung 10 19 0
## 10 Fachabitur 23 42 0
## 11 Abitur 64 76 0
## 12 Hochschule 50 56 1
## 13 ledig 125 162 0
## 14 Partnerschaft 56 98 0
## 15 verheiratet 90 136 1
## 16 geschieden 6 23 0
## 17 verwitwet 5 13 0
## 18 getrennt 4 4 0Ich möchte bei meinem Datensatz Zeilen und Spalten vertauschen.
Dies kann mit der Funktion apply() gemacht werden. Angenommen das Datenframe datensatz sieht wie folgt aus …
# lade Testdatensatz datensatz
datensatz <-read.table(url("http://www.produnis.de/R/DieDaten.csv"), sep=";", header=TRUE)
# zeige "datensaz" an
datensatz## Name Geschlecht Lieblingsfarbe Einkommen
## 1 Hans maennlich gruen 1233
## 2 Caro weiblich blau 800
## 3 Lars intersexuell gelb 2400
## 4 Ines weiblich schwarz 4000
## 5 Samira weiblich gelb 899
## 6 Peter maennlich gruen 1100
## 7 Sarah weiblich blau 1900…so tauschen wir Zeilen und Spalten mittels
# vertausche Spalten und Zeilen
apply(datensatz, MARGIN=1, FUN=function(x) {x})## [,1] [,2] [,3] [,4] [,5]
## Name "Hans" "Caro" "Lars" "Ines" "Samira"
## Geschlecht "maennlich" "weiblich" "intersexuell" "weiblich" "weiblich"
## Lieblingsfarbe "gruen" "blau" "gelb" "schwarz" "gelb"
## Einkommen "1233" " 800" "2400" "4000" " 899"
## [,6] [,7]
## Name "Peter" "Sarah"
## Geschlecht "maennlich" "weiblich"
## Lieblingsfarbe "gruen" "blau"
## Einkommen "1100" "1900"Da die Funktion apply() eine Typkonversion in die Klasse matrix vornimmt, (und somit alle Datentypen auf den kleinsten gemeinsamen Nenner character zurückfallen, siehe die Anführungszeichen im Output) muss bei Bedarf zurück in die Klasse data.frame konvertiert werden.
# vertausche Spalten und Zeilen
as.data.frame(apply(datensatz, MARGIN=1, FUN=function(x) {x}))## V1 V2 V3 V4 V5 V6
## Name Hans Caro Lars Ines Samira Peter
## Geschlecht maennlich weiblich intersexuell weiblich weiblich maennlich
## Lieblingsfarbe gruen blau gelb schwarz gelb gruen
## Einkommen 1233 800 2400 4000 899 1100
## V7
## Name Sarah
## Geschlecht weiblich
## Lieblingsfarbe blau
## Einkommen 1900Ich möchte die Werte einer Variable in Kategorien bzw. Klassen einteilen.
Angenommen, meine Variable enthält Werte zwischen 0 und 500, und ich möchte diese Werte in die Gruppen “0-70”, “71-200”, “201-400”, “>400”, klassieren, wie gehe ich dann vor?
Im klassischen R erstellen wir zunächst zufällige Zahlen zwischen 0 und 500.
# erzeuge 200 Zufallszahlen von 0 bis 500
dummy <- sample(0:500, 200)
# bzw. direkt als Dataframe
dummy <- data.frame(x = sample(0:500, 200))Nun erzeugen wir die neue Variable xKAT, in welcher die Klassierung angegeben werden soll.
# wir bilden Kategorien
# "0-70"
# "71-200"
# "201-400"
# "> 400"
# und speichern das in die neue Variable xKAT
dummy$xKAT[dummy$x <71] <- "0-70"
dummy$xKAT[dummy$x <201 & dummy$x > 70] <- "71-200"
dummy$xKAT[dummy$x <401 & dummy$x > 200] <- "201-400"
dummy$xKAT[dummy$x >400] <- "größer 400"Anschließend wandeln wir die neue Variable in einen ordinalen Faktor mit korrekter Levelreihenfolge.
dummy$xKAT <- factor(dummy$xKAT, levels=c("0-70",
"71-200",
"201-400",
"größer 400"),
ordered=TRUE)
head(dummy$xKAT)## [1] 201-400 größer 400 71-200 größer 400 71-200 0-70
## Levels: 0-70 < 71-200 < 201-400 < größer 400Zunächst laden wir das tidyverse-Paket und erstellen uns zufällige Zahlen zwischen 0 und 500.
# lade tidyverse
library(tidyverse)
# erzeuge 200 Zufallszahlen von 0 bis 500
dummy <- sample(0:500, 200)
# bzw. direkt als Tibble
dummy <- tibble(x = sample(0:500, 200))Nun erzeugen wir die neue Variable xKAT, in welcher die Klassierung angegeben werden soll. Hierfür nutzen wir innerhalb von mutate() die ifelse()-Funktion. Diese folgte der Logik “WELCHE - WAS -ANSONSTEN”. In einem ersten beispielhaften Schritt wählen wir all “x < 71” aus, speichern für diese Fälle den character-Wert “0-70”, und bei allen anderen Fällen ein “NA”.
dummy %>%
# ifelse(WELCHE, WAS, ANSONSTEN)
mutate(xKAT = ifelse(x < 71 , "0-70", NA))## # A tibble: 200 × 2
## x xKAT
## <int> <chr>
## 1 211 <NA>
## 2 241 <NA>
## 3 449 <NA>
## 4 131 <NA>
## 5 476 <NA>
## 6 459 <NA>
## # … with 194 more rowsEs lassen sich mehrere ifelse()-Ausdrücke kombinieren, indem diese vor den NA-Ausdruck geschrieben werden. Dabei sammeln sich die Klammer-Zu Symbole ) an, kommen Sie hier nicht durcheinander!
# Das lässt sich erweitern, indem der ", NA"-Ausdruck nach hinten wandert
dummy %>%
mutate(xKAT = ifelse(x < 71 , "0-70",
ifelse(x < 201 & x >70 , "71-200",
NA)))## # A tibble: 200 × 2
## x xKAT
## <int> <chr>
## 1 211 <NA>
## 2 241 <NA>
## 3 449 <NA>
## 4 131 71-200
## 5 476 <NA>
## 6 459 <NA>
## # … with 194 more rowsDer vollständige Befehl zur Klassierung lautet demnach:
# wir bilden Kategorien
# "0-70"
# "71-200"
# "201-400"
# "> 400"
# und speichern das in die neue Variable xKAT
dummy %>%
mutate(xKAT = ifelse(x < 71 , "0-70",
ifelse(x < 201 & x >70 , "71-200",
ifelse(x < 401 & x >200 , "201-400",
ifelse(x > 400 , "> 400",
NA)))))## # A tibble: 200 × 2
## x xKAT
## <int> <chr>
## 1 211 201-400
## 2 241 201-400
## 3 449 > 400
## 4 131 71-200
## 5 476 > 400
## 6 459 > 400
## # … with 194 more rowsWenn - so wie hier - mehrere Konditionen angegeben werden, ist die Funktion case_when() etwas einfacher zu schreiben und zu lesen als die ifelse()-Staffelungen.
# nutze case_when() an Stelle von ifelse()
dummy %>%
mutate(xKAT = case_when(x < 71 ~ "0-70",
x < 201 & x > 70 ~ "71-200",
x < 401 & x > 200 ~ "201-400",
x > 400 ~ "größer 400")
)## # A tibble: 200 × 2
## x xKAT
## <int> <chr>
## 1 211 201-400
## 2 241 201-400
## 3 449 größer 400
## 4 131 71-200
## 5 476 größer 400
## 6 459 größer 400
## # … with 194 more rowsAnschließend wandeln wir die neue Variable in einen ordinalen Faktor mit korrekter Levelreihenfolge.
# die neue Variable als ordinalen Factor mit korrekter
# Levelreihenfolge speichern
dummy <- dummy %>%
mutate(xKAT = case_when(x < 71 ~ "0-70",
x < 201 & x > 70 ~ "71-200",
x < 401 & x > 200 ~ "201-400",
x > 400 ~ "größer 400"),
xKAT = factor(xKAT, levels=c("0-70",
"71-200",
"201-400",
"größer 400"),
ordered=TRUE)
)
head(dummy$xKAT)## [1] 201-400 201-400 größer 400 71-200 größer 400 größer 400
## Levels: 0-70 < 71-200 < 201-400 < größer 400