总结R数据框架中的因素分布

假设我有这样一个data.frame：

  X1   X2   X3
1 A    B    A
2 A    C    B
3 B    A    B
4 A    A    C

我想计算每列中出现的A、B、C等，并将结果返回为

    A_count B_count C_count
X1  3       1       0       
X2  2       1       1
X3  1       2       1

我确信这个问题有一千个重复，但我似乎找不到一个适合我的答案：(

通过运行

apply(mydata, 2, table)

我得到的是

$X1
   B     A
   1     3
$X2
   A     C     B
   2     1     1

但这并不完全是我想要的，如果我试图将它构建回数据帧，它就不起作用，因为我没有为每一行获得相同数量的列（比如上面的$X1，其中没有C）

我错过了什么

---

非常感谢！

您可以重构以包含每个列的公共因子级别，然后制表。我还建议使用

lappy（）

而不是

apply（）

，因为

apply（）

用于矩阵

df <- read.table(text = "X1   X2   X3
1 A    B    A
2 A    C    B
3 B    A    B
4 A    A    C", h=T)

do.call(
    rbind, 
    lapply(df, function(x) table(factor(x, levels=levels(unlist(df)))))
)
#    A B C
# X1 3 1 0
# X2 2 1 1
# X3 1 2 1

---

df假设您的数据帧是
x
，我只需执行以下操作：

do.call(rbind, tapply(unlist(x, use.names = FALSE),
                      rep(1:ncol(x), each = nrow(x)),
                      table))

#  A B C
#1 3 1 0
#2 2 1 1
#3 1 2 1


基准测试

# a function to generate toy data
# `k` factor levels
# `n` row
# `p` columns
datsim <- function(n, p, k) {
  as.data.frame(replicate(p, sample(LETTERS[1:k], n, TRUE), simplify = FALSE),
                col.names = paste0("X",1:p), stringsAsFactors = TRUE)
  }

# try `n = 100`, `p = 500` and `k = 3`
x <- datsim(100, 500, 3)

## DirtySockSniffer's answer
system.time(do.call(rbind, lapply(x, function(u) table(factor(u, levels=levels(unlist(x)))))))
#   user  system elapsed 
# 21.240   0.068  21.365 

## my answer
system.time(do.call(rbind, tapply(unlist(x, use.names = FALSE), rep(1:ncol(x), each = nrow(x)), table)))
#   user  system elapsed 
#  0.108   0.000   0.111 

改进的Dirty的答案是：

system.time(do.call(rbind, tapply(unlist(x, use.names = FALSE), rep(1:ncol(x), each = nrow(x)), table)))
#   user  system elapsed 
#  1.844   0.056   1.904 

system.time({clevels <- levels(unlist(x, use.names = FALSE));
             do.call(rbind, lapply(x, function(u) table(factor(u, levels=clevels))))})
#   user  system elapsed 
#  1.240   0.012   1.263 

system.time（{clevels Hi Zheyuan，不重要，但在我的笔记本电脑上
levels（u）[u]
比
as.character
慢一点（我认为这是有道理的，因为我确信r的人已经优化了这个）对于第二个例子，它看起来似乎更快，因为在较小的向量上调用as.numeric，而不是在完整的向量上。因此，如果需要转换为numeric，它看起来会更快，正如您所说。
system.time(do.call(rbind, tapply(unlist(x, use.names = FALSE), rep(1:ncol(x), each = nrow(x)), table)))
#   user  system elapsed 
#  1.844   0.056   1.904 

system.time({clevels <- levels(unlist(x, use.names = FALSE));
             do.call(rbind, lapply(x, function(u) table(factor(u, levels=clevels))))})
#   user  system elapsed 
#  1.240   0.012   1.263