不使用base:：table（）函数计算R studio中的频率

我刚开始使用R，我在做一些练习。特别是，我想知道是否有任何方法可以计算X的绝对频率，但不使用函数

table（X）

---

换句话说，我希望得到与

表（X）

相同的输出，但不使用此函数。有可能吗？

如果出于某种原因必须避免使用最直接的方法，即使用

表

函数，则有多种计算频率的方法（例如，请参见注释）。另一种方法是为循环定义一个

：

f <- c()

样本数据：

set.seed(123)
dt <- sample(LETTERS[1:5], 100, replace = T)

然后运行
for
循环本身，即通过在
dt
中的唯一元素上循环和
求和
将它们按索引排列：

for(i in unique(dt)){
  f[i] <- sum(dt== i)
}

不使用
base:：table（）
创建频率表的一种方法是使用
tables:：tabular（）
。下面是一个示例，我们从
mtcars
数据框中为几个离散变量创建表。这种方法的优点是，它除了提供频率外，还提供百分比

library(tables)
tabular((Factor(am) + Factor(carb))~(n=1 + Percent("col")),data = mtcars)

…以及输出：

       n          
        All Percent
 am   0 19  59.375 
      1 13  40.625 
 carb 1  7  21.875 
      2 10  31.250 
      3  3   9.375 
      4 10  31.250 
      6  1   3.125 
      8  1   3.125 
> 

   variable value  freq
   <chr>    <dbl> <dbl>
 1 am           0    19
 2 am           1    13
 3 carb         1     7
 4 carb         2    10
 5 carb         3     3
 6 carb         4    10
 7 carb         6     1
 8 carb         8     1
 9 cyl          4    11
10 cyl          6     7
11 cyl          8    14

另一种方法是使用
dyplr
和
tidyr
。我们将把
mtcars
数据转换为窄格式，并计算三个分类变量的频率：
cyl
、
carb
和
am

library(dplyr) 
library(tidyr)
mtcars %>% mutate(model = rownames(.)) %>% 
     group_by(model) %>% select(model,cyl,carb,am) %>% 
     pivot_longer(.,-model,names_to = "variable",values_to = "value") %>% 
     mutate(count = 1) %>% group_by(variable,value) %>%
     summarise(freq = sum(count)) 

…以及输出：

       n          
        All Percent
 am   0 19  59.375 
      1 13  40.625 
 carb 1  7  21.875 
      2 10  31.250 
      3  3   9.375 
      4 10  31.250 
      6  1   3.125 
      8  1   3.125 
> 

   variable value  freq
   <chr>    <dbl> <dbl>
 1 am           0    19
 2 am           1    13
 3 carb         1     7
 4 carb         2    10
 5 carb         3     3
 6 carb         4    10
 7 carb         6     1
 8 carb         8     1
 9 cyl          4    11
10 cyl          6     7
11 cyl          8    14

可变值频率
凌晨一时零一九分
凌晨2时113分
3碳水化合物17
4碳水化合物210
5碳水化合物3
6碳水化合物4 10
7碳水化合物6 1
8碳水化合物8 1
9团4 11
10团6 7
11共青团8 14
summary（）
，
dplyr:：count（）
，用于
数据。表
dt[，.N，by=group]
所有这些都将提供与
表
类似的输出。这是一个很好的答案，但
u