列联图（交叉分析）的R代码实现
一、简介
交叉分析 Cross-Analysis
适用场景：研究两个或多个分类变量之间的关系。通常使用二维列联表，行列各表示一个分类变量
意义：了解变量之间的相互依赖关系，计算关联度量（如卡方值）检验变量之间的独立性
二、R实现
练习数据集采用NHANES包的NHANES数据集，这是一个规模较大的示例数据框，主题是个人的健康与营养方面的信息。
library(tidyverse) # Wickham的数据整理的整套工具
library(NHANES); data(NHANES)
dplyr::glimpse(NHANES) #用dplyr查看数据框内行数、列数、变量细节
数据集有10000条数据，76个变量。部分结果展示：
其中，各个参与者的生存结局日期不同，部分参与者有多个观测值，因此进行数据筛选。
d_nhsub <- NHANES |>
dplyr::filter(SurveyYr == "2011_12") |> #筛选其中SurveyYr为2011_12的观测
group_by(ID) |> #分组汇总
slice_tail(n=1) |> #选择（保留）多个观测中的最后一个
ungroup() #去除已分组数据的分组，避免影响下次运算
dim(d_nhsub)
最终得到了3211条数据。
本次练习，我们主要考察两个分类变量性别(Gender)和教育程度(Education)之间的关系。
交叉分析可以用以下代码实现，不同代码有不同结果，可以按需选取
#计算交叉频数分布
d_gened <- d_nhsub |>
count(Gender, Education) |>
group_by(Gender) |>
mutate(in_gend_pct = n / sum(n)) |> #性别内部的学历比例
ungroup()
knitr::kable(d_gened) #输出一个比较好看的数据框
结果如下：
# 输出分类后数据框，但不计算比例
with(d_nhsub, table(
Education, Gender
))
结果如下：
#直接列联表
with(d_nhsub, gmodels::CrossTable(
Education, Gender
))
结果如下：
三、使用ggplot作图
得出的结果我们可以用ggplot做出更美观的可视化结果。
#堆叠条形图
ggplot(d_gened, aes(
x = Gender, fill = Education, y = n)) +
geom_col(position = "stack") #垂直
#并列条形图，使用百分比比较
ggplot(d_gened, aes(
x = Gender, fill = Education, y = in_gend_pct)) +
geom_col(position = "dodge") #并列
或许大家也注意到了两图中灰色的NA值，即数据缺失值，本次我们不进行数据补全，可以使用以下代码去除缺失值。
#不显示缺失值
ggplot(drop_na(d_gened), aes(
x = Gender, fill = Education, y = in_gend_pct)) +
geom_col(position = "dodge") +
labs(y="") #去除空值NA并删去相应的标签
如有需要，我们也可以把图横过来。
#分两组比较
ggplot(drop_na(d_gened), aes(
x = Education, y = in_gend_pct)) +
facet_wrap(~ Gender, ncol=1) + #按性别分组，成一列
geom_col() +
coord_flip() + #横纵坐标位置转换
labs(y="")