R 如何从数据帧中的多个列中查找最频繁的值
我的数据框架如下:R 如何从数据帧中的多个列中查找最频繁的值,r,dataframe,R,Dataframe,我的数据框架如下: S A B C D E 1 N N N N N 2 N Y Y N N 3 Y N Y N N 4 Y N Y Y Y 我需要在哪里创建一个新的F列,其中包含多个a、B、C、D和E列中出现次数最多的字符 输出应如下所示: S A B C D E F 1 N N N N N N 2 N Y Y N N N 3 Y N Y N N N 4 Y N Y Y Y Y 我们可以创建一个模式函数并应用于行 df1$F <- apply(df1[-1], 1, Mod
S A B C D E
1 N N N N N
2 N Y Y N N
3 Y N Y N N
4 Y N Y Y Y
我需要在哪里创建一个新的F列,其中包含多个a、B、C、D和E列中出现次数最多的字符
输出应如下所示:
S A B C D E F
1 N N N N N N
2 N Y Y N N N
3 Y N Y N N N
4 Y N Y Y Y Y
我们可以创建一个
模式
函数并应用于行
df1$F <- apply(df1[-1], 1, Mode)
df1
# S A B C D E F
#1 1 N N N N N N
#2 2 N Y Y N N N
#3 3 Y N Y N N N
#4 4 Y N Y Y Y Y
或者另一种选择是
df1$F <- c('N', 'Y')[max.col(table(c(row(df1[-1])), unlist(df1[-1])), 'first')]
gather(df1, key, F, - S) %>%
group_by(S, F) %>%
summarise(n = n()) %>%
slice(which.max(n)) %>%
ungroup %>%
dplyr::select(F) %>%
bind_cols(df1, .)
或者我们转置数据集,按每列应用
模式
,然后将输出作为新列绑定到原始数据集
t(df1[-1]) %>%
as.data.frame %>%
summarise_all(Mode) %>%
unlist %>%
bind_cols(df1, F = .)
或带有
data.table的选项
library(data.table)
setDT(df1)[, F := names(which.max(table(unlist(.SD)))), S][]
注意:这些是常规方法,而不是仅检查单个案例
如果我们需要一种有效的方法,而不需要任何ifelse
,我们也可以通过
df1$F <- c("Y", "N")[(rowSums(df1[-1] == "N") > 2) + 1]
df1$F
#[1] "N" "N" "N" "Y"
或者另一种方法是
c("Y", "N")[(str_count(do.call(paste0, df1[-1]), "N") > 2) + 1]
数据
df1一个dplyr
可能性可能是:
df %>%
mutate(F = ifelse(rowSums(.[2:length(.)] == "N") > 2, "N", "Y"))
S A B C D E F
1 1 N N N N N N
2 2 N Y Y N N N
3 3 Y N Y N N N
4 4 Y N Y Y Y Y
它假定只有N
和Y
值,列数为5
正如@Sotos所指出的,它可以很容易地重写为base R
形式:
df$F <- ifelse(rowSums(df[2:length(df)] == "N") > 2, "N", "Y")
与基本R相同:
df$F <- ifelse(rowMeans(df[2:length(df)] == "N") > 0.5, "N", "Y")
df$F 0.5,“N”,“Y”)
另一种选择,略有不同:
x$F或:
d+1好主意,避免使用apply()
和1
。如果您不只是为管道加载dplyr
,并且mutate
,情况可能会好得多。只需将其保留在base R中。此外,还可以使2
动态。类似于天花(ncol(df)/2)
您可以使用rowMeans(…)>0.5来避免对列数进行假设
df1 <- structure(list(S = 1:4, A = c("N", "N", "Y", "Y"), B = c("N",
"Y", "N", "N"), C = c("N", "Y", "Y", "Y"), D = c("N", "N", "N",
"Y"), E = c("N", "N", "N", "Y")), class = "data.frame", row.names = c(NA,
-4L))
df %>%
mutate(F = ifelse(rowSums(.[2:length(.)] == "N") > 2, "N", "Y"))
S A B C D E F
1 1 N N N N N N
2 2 N Y Y N N N
3 3 Y N Y N N N
4 4 Y N Y Y Y Y
df$F <- ifelse(rowSums(df[2:length(df)] == "N") > 2, "N", "Y")
df %>%
mutate(F = ifelse(rowMeans(.[2:length(.)] == "N") > 0.5, "N", "Y"))
df$F <- ifelse(rowMeans(df[2:length(df)] == "N") > 0.5, "N", "Y")
d <- read.table(text ="S A B C D E
1 N N N N N
2 N Y Y N N
3 Y N Y N N
4 Y N Y Y Y", header = TRUE, row.names = 1, stringsAsFactors = FALSE)
d$F <- with(
stack(data.frame(t(as.matrix(d)), stringsAsFactors = FALSE)),
tapply(values, ind, function(x) names(sort(table(x), decreasing = TRUE)[1])))
d
#A B C D E F
#1 N N N N N N
#2 N Y Y N N N
#3 Y N Y N N N
#4 Y N Y Y Y Y