计算 data.frame 子集中出现的数字答案

【问题标题】：Calculating the occurrences of numbers in the subsets of a data.frame计算 data.frame 子集中出现的数字
【发布时间】：2011-07-17 06:12:54
【问题描述】：

我在 R 中有一个类似于以下的数据框。实际上，我真正的 'df' 数据框比这里的要大得多，但我真的不想让任何人感到困惑，所以这就是我尝试尽可能简化事情的原因。

这是数据框。

id <-c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3)   
a <-c(3,1,3,3,1,3,3,3,3,1,3,2,1,2,1,3,3,2,1,1,1,3,1,3,3,3,2,1,1,3)
b <-c(3,2,1,1,1,1,1,1,1,1,1,2,1,3,2,1,1,1,2,1,3,1,2,2,1,3,3,2,3,2)
c <-c(1,3,2,3,2,1,2,3,3,2,2,3,1,2,3,3,3,1,1,2,3,3,1,2,2,3,2,2,3,2)
d <-c(3,3,3,1,3,2,2,1,2,3,2,2,2,1,3,1,2,2,3,2,3,2,3,2,1,1,1,1,1,2)
e <-c(2,3,1,2,1,2,3,3,1,1,2,1,1,3,3,2,1,1,3,3,2,2,3,3,3,2,3,2,1,3)

df <-data.frame(id,a,b,c,d,e)
df

基本上我想做的是获取每列 (a,b,c,d,e) 和每个 id 组 (1,2,3) 的数字出现次数（对于后面的分组，请参阅我的列'id'）。

因此，对于“a”列和 id 编号“1”（对于后者，请参见“id”列），代码将是这样的：

as.numeric(table(df[1:10,2]))

##The results are:
[1] 3 7

只是简单解释一下我的结果：在“a”列（并且仅关于那些在“id”列中具有数字“1”的记录）我们可以说数字“1”出现了 3 次，而数字“3”出现了7 次。

再次，只是为您展示另一个示例。对于“a”列和 id 编号“2”（对于后者的分组，请再次参见“id”列）：

as.numeric(table(df[11:20,2]))

##After running the codes the results are: 
[1] 4 3 3

让我再解释一下：在“a”列中，仅关于那些在“id”列中具有数字“2”的观察值）我们可以说数字“1”出现了 4 次，数字“2”出现了 3次和数字“3”出现了 3 次。

所以这就是我想做的。计算每个自定义子集的数字出现次数（然后将这些值收集到数据框中）。我知道这不是一项艰巨的任务，但问题是我必须定期更改输入“df”数据框，因此总行数和列数都可能随着时间而变化……

到目前为止，我所做的是按列分隔“df”数据框，如下所示：

for (z in (2:ncol(df))) assign(paste("df",z,sep="."),df[,z])

所以 df.2 将引用 df$a，df.3 将等于 df$b，df.4 将等于 df$c 等等。但是我现在真的被卡住了，我不知道如何前进…

是否有适当的“自动”方法来解决这个问题？

【问题讨论】：

标签： r subset

【解决方案1】：

怎么样-

> library(reshape)

> dftab <- table(melt(df,'id'))
> dftab
, , value = 1

   variable
id  a b c d e
  1 3 8 2 2 4
  2 4 6 3 2 4
  3 4 2 1 5 1

, , value = 2

   variable
id  a b c d e
  1 0 1 4 3 3
  2 3 3 3 6 2
  3 1 4 5 3 4

, , value = 3

   variable
id  a b c d e
  1 7 1 4 5 3
  2 3 1 4 2 4
  3 5 4 4 2 5

所以要获取列 'a' 和组 '1' 中的 '3' 的数量你可以这样做

> dftab[3,'a',1]
[1] 4

【讨论】：

【解决方案2】：

tapply 和 apply 的组合可以创建您想要的数据：

tapply(df$id,df$id,function(x) apply(df[id==x,-1],2,table))

但是，当一个分组中没有所有元素时，例如1a，结果将是该id 组的列表，而不是一个漂亮的表格（矩阵）。

$`1`
$`1`$a

1 3 
3 7 

$`1`$b

1 2 3 
8 1 1 

$`1`$c

1 2 3 
2 4 4 

$`1`$d

1 2 3 
2 3 5 

$`1`$e

1 2 3 
4 3 3 


$`2`
  a b c d e
1 4 6 3 2 4
2 3 3 3 6 2
3 3 1 4 2 4

$`3`
  a b c d e
1 4 2 1 5 1
2 1 4 5 3 4
3 5 4 4 2 5

【讨论】：

您可以使用一个因子来确保零计数通过：lapply(split(df[-1], df$id), apply, 2, function(x) table(factor(x, 1:3)))

【解决方案3】：

我相信有人会有比这更优雅的解决方案，但您可以将它与一个简单的函数和来自plyr 包的dlply 拼凑在一起。

ColTables <- function(df) {
  counts <- list()
  for(a in names(df)[names(df) != "id"]) {
    counts[[a]] <- table(df[a])
  }
  return(counts)
}

results <- dlply(df, "id", ColTables)

这会让你返回一个列表——列表的第一个“层”将是 id 变量；第二个 table 为该 id 变量的每一列结果。例如：

> results[['2']]['a']
$a

1 2 3 
4 3 3

对于 id 变量 = 2，column = a，根据您的上述示例。

【讨论】：

【解决方案4】：

一种方法是使用aggregate 函数，但您必须在数据框中添加一列

> df$freq <- 0
> aggregate(freq~a+id,df,length)
  a id freq
1 1  1    3
2 3  1    7
3 1  2    4
4 2  2    3
5 3  2    3
6 1  3    4
7 2  3    1
8 3  3    5

当然你可以写一个函数来做，这样更容易经常做，而且你不必在你的实际数据框中添加一列

> frequency <- function(df,groups) {
+   relevant <- df[,groups]
+   relevant$freq <- 0
+   aggregate(freq~.,relevant,length)
+ }
> frequency(df,c("b","id"))
  b id freq
1 1  1    8
2 2  1    1
3 3  1    1
4 1  2    6
5 2  2    3
6 3  2    1
7 1  3    2
8 2  3    4
9 3  3    4

【讨论】：

【解决方案5】：

您没有说您希望数据如何。 by 函数可能会为您提供您喜欢的输出。

by(df, df$id, function(x) lapply(x[,-1], table))

【讨论】：