クロス表の再分析をする機会があり、データから元データに変換する必要があったので少し調べてみた。
元データという呼び方はもちろん適切ではない。
呼び方を調べてみたのだがよくわからないのだが、意図としては、ケースが行、変数が列になっているデータ形式である。とりあえず、ここではケースデータと仮に呼んでおく*1。
クロス表、スタック形式とも呼ばれる組み合わせ表、ケースデータの相互変換についてサンプルデータとコードをメモしておく。
クロス表からケースデータへの変換
R: Convert contingency table to long data.frame https://stackoverflow.com/questions/48330888/r-convert-contingency-table-to-long-data-frame
サンプルになるクロス表を作成。
kdat <- data.frame(positive = c(8, 4),
negative = c(3, 6),
row.names = c("positive", "negative"))
クロス表は以下。
positive negative positive 8 3 negative 4 6
変換にはパイプ演算子を使用する。
library(tidyverse)
kdat2<- kdat %>%
rownames_to_column() %>% # set row names as a variable
gather(rowname2,value,-rowname) %>% # reshape
rowwise() %>% # for every row
mutate(value = list(1:value)) %>% # create a series of numbers based on the value
unnest(value) %>% # unnest the counter
select(-value) # remove the counts
kdat2
ちゃんと変換されているか確認。
# # A tibble: 21 x 2 # rowname rowname2 # <chr> <chr> # 1 positive positive # 2 positive positive # 3 positive positive # 4 positive positive # 5 positive positive # 6 positive positive # 7 positive positive # 8 positive positive # 9 negative positive # 10 negative positive # # ... with 11 more rows
このコードを二次分析で実際に使ってみたところ、余分なケースが作成されていたので、このコードの完成度は高くないかもしれない。僕の経験したバグでは、余分なケースを削除すれば使えたので、問題があるといってもそれほど致命的ではなかった。
ケースデータからスタック形式への変換
Converting between data frames and contingency tables(Cookbook for R) http://www.cookbook-r.com/Manipulating_data/Converting_between_data_frames_and_contingency_tables/#countstocases-function
サンプルになるデータを作成。
dcounts <- data.frame(
farc=c("absent", "present", "absent", "present","absent", "present","absent", "present", "absent", "present","absent", "present"),
pa=c("inside","inside","inside","inside", "5 km buffer", "5 km buffer","5 km buffer", "5 km buffer", "outside", "outside", "outside", "outside"),
year=c("2017", "2017", "2018", "2018","2017", "2017", "2018", "2018","2017", "2017", "2018", "2018"),
Freq=c(263, 136, 241, 870, 218, 157,378,389,8096,877,15070,1602) )
データは以下のようになる。
farc pa year Freq 1 absent inside 2017 263 2 present inside 2017 136 3 absent inside 2018 241 4 present inside 2018 870 5 absent 5 km buffer 2017 218 6 present 5 km buffer 2017 157 7 absent 5 km buffer 2018 378 8 present 5 km buffer 2018 389 9 absent outside 2017 8096 10 present outside 2017 877 11 absent outside 2018 15070 12 present outside 2018 1602
関数を作成してから、データを代入する形になっている。
# Convert from data frame of counts to data frame of cases.
# `countcol` is the name of the column containing the counts
countsToCases <- function(x, countcol = "Freq") {
# Get the row indices to pull from x
idx <- rep.int(seq_len(nrow(x)), x[[countcol]])
# Drop count column
x[[countcol]] <- NULL
# Get the rows from x
x[idx, ]
}
dcases<-countsToCases(dcounts)
dcases
スタック形式になっているか確認。
farc pa year Freq 1 absent inside 2017 263 2 present inside 2017 136 3 absent inside 2018 241 4 present inside 2018 870 5 absent 5 km buffer 2017 218 6 present 5 km buffer 2017 157
こちらのコードはサンプルしか走らせていないので、バグの発生などは確認していない。一見すると問題ない感じはする。
クロス表からスタック形式への変換
こちらはreshape2パッケージが利用できる。
上記のクロス表kdatを利用。
library(reshape2) kdat3<- melt(cbind(rownames(kdat), kdat)) kdat3
結果は以下。
rownames(kdat) variable value 1 positive positive 8 2 negative positive 4 3 positive negative 3 4 negative negative 6
書式はdplyrの形式になるが、reshape2の後継tidyrパッケージのpivot_longer()でも同様のことはできるはず(試していない)。
*1:ロング形式と読んでいるものを見つけたのだが、ロング形式というとパネル調査のワイド/ロングで出てくる形式名なので、ロングが適切なのかもよくわからなかった。
