r - 用dplyr获取相对频率百分比的更智能的方法？

作为业余爱好学习R，并使用一些炉石比赛

背景:使用dplyr到达此处:

todayhs %.%
   group_by(hero, result) %.%
   select(hero, opponent, result) %.%
   summarise(
     count = n())

数据:

hero      result    count
Mage      loss      12
Mage      win       9
Rogue     loss      3
Rogue     win       1
Warrior   loss      6
Warrior   win       5

预期结果:该特定英雄的百分比列

hero      result    count   percent
Mage      loss      12      57%
Mage      win       9       43%
Rogue     loss      3       75%
Rogue     win       1       25%
Warrior   loss      6       55%
Warrior   win       5       45%

我的障碍:
我了解filter(hero =“Mage”)并使用prop.table将使我得到该单个类的百分比的结果，但是有没有办法一次性获取上述所有数据？

我的尝试

 transform(todayhs.mage, percents = ifelse(hero == "Mage",
 prop.table(todayhs.mage$count[1:2]),""))

给我

 hero      result count      percents
 Mage      loss    12        0.571428571428571
 Mage      win     9         0.428571428571429
 Rogue     loss    3
 Rogue     win     1
 Warrior   loss    6
 Warrior    win    5

我认为我可以编写一个函数并将它们单独剥离..但这感觉不对。
也许有一种使用dplyr添加group_by(hero，count)的更好的方法吗？我在这挠头。

最佳答案

您可以尝试:

todayhs <- read.table(text="hero      result    count
Mage      loss      12
Mage      win       9
Rogue     loss      3
Rogue     win       1
Warrior   loss      6
Warrior   win       5",sep="",header=T,stringsAsFactors=F)

 library(dplyr)
 todayhs%>%
 group_by(hero)%>%
 mutate(percent=paste0(round(100*count/sum(count)),"%"))
# Source: local data frame [6 x 4]
 #Groups: hero

 #     hero result count percent
 # 1    Mage   loss    12     57%
 # 2    Mage    win     9     43%
 # 3   Rogue   loss     3     75%
 # 4   Rogue    win     1     25%
 # 5 Warrior   loss     6     55%
 # 6 Warrior    win     5     45%