计算 R (dplyr) 中数据帧中每行字符串值的出现次数答案

【问题标题】：Count occurrence of string values per row in dataframe in R (dplyr)计算 R (dplyr) 中数据帧中每行字符串值的出现次数
【发布时间】：2021-09-29 04:17:36
【问题描述】：

我希望计算数据框中每行选择字符串值的出现次数。理想情况下，这将使用dplyr 包完成。

这是一个类似于我正在使用的数据框：

df <- tibble(
  d1 = c('b', 'a', 'a', 'a', 'a', 'a', 'a', 'a'),
  d2 = c('a', 'a', 'b', 'a', 'a', 'a', 'a', 'a'),
  d3 = c('a', 'a', 'a', 'c', 'a', 'b', 'a', 'a'),
  d4 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'd'),
  d5 = c('a', 'c', 'a', 'a', 'a', 'a', 'a', 'a'),
  d6 = c('a', 'a', 'a', 'b', 'a', 'a', 'd', 'a'),
  d7 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'a'),
  d8 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'a')
)

我希望能够定义我正在计算的列：

cols <- c('d2', 'd3', 'd4', 'd5', 'd6', 'd7', 'd8')

我还想定义我要搜索的字符串：

bcde <- c('b', 'c', 'd', 'e')

到目前为止，我已经能够使用以下代码确定bcde 中的一个字符串存在于每行d2:d8 之一中：

df <- df %>% 
  mutate(
    d9 = case_when(
      if_any(all_of(cols), ~ . %in% bcde) ~ 1,
      TRUE ~ 0)
  )

产生：

  d1    d2    d3    d4    d5    d6    d7    d8       d9
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
1 b     a     a     a     a     a     a     a         0
2 a     a     a     a     c     a     a     a         1
3 a     b     a     a     a     a     a     a         1
4 a     a     c     a     a     b     a     a         1
5 a     a     a     a     a     a     a     a         0
6 a     a     b     a     a     a     a     a         1
7 a     a     a     a     a     d     a     a         1
8 a     a     a     d     a     a     a     a         1

但是，我想制作：

  d1    d2    d3    d4    d5    d6    d7    d8       d9
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
1 b     a     a     a     a     a     a     a         0
2 a     a     a     a     c     a     a     a         1
3 a     b     a     a     a     a     a     a         1
4 a     a     c     a     a     b     a     a         2
5 a     a     a     a     a     a     a     a         0
6 a     a     b     a     a     a     a     a         1
7 a     a     a     a     a     d     a     a         1
8 a     a     a     d     a     a     a     a         1

（即，如果在 cols d2:d8 中出现 bcde 中的字符串，则计算出现次数，而不是仅仅检查它们是否存在）。

我不确定如何在循环遍历数据帧时加入计数功能。

谢谢！

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以将across 与rowSums 一起使用-

library(dplyr)

df %>% mutate(d9 = rowSums(across(all_of(cols), `%in%`, bcde)))

#  d1    d2    d3    d4    d5    d6    d7    d8       d9
#  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#1 b     a     a     a     a     a     a     a         0
#2 a     a     a     a     c     a     a     a         1
#3 a     b     a     a     a     a     a     a         1
#4 a     a     c     a     a     b     a     a         2
#5 a     a     a     a     a     a     a     a         0
#6 a     a     b     a     a     a     a     a         1
#7 a     a     a     a     a     d     a     a         1
#8 a     a     a     d     a     a     a     a         1

这也可以写成base R -

df$d9 <- rowSums(sapply(df[cols], `%in%`, bcde))

【讨论】：

非常有帮助，谢谢！

【解决方案2】：

这也可以在带有轴方向apply、axis2 的基础 R 中完成：

df$d9 <- rowSums(apply(df[cols], 2, `%in%`, bcde))

现在：

df

给予：

  d1    d2    d3    d4    d5    d6    d7    d8       d9
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
1 b     a     a     a     a     a     a     a         0
2 a     a     a     a     c     a     a     a         1
3 a     b     a     a     a     a     a     a         1
4 a     a     c     a     a     b     a     a         2
5 a     a     a     a     a     a     a     a         0
6 a     a     b     a     a     a     a     a         1
7 a     a     a     a     a     d     a     a         1
8 a     a     a     d     a     a     a     a         1

【讨论】：

【解决方案3】：

我们可能会使用

library(purrr)
library(dplyr)
df %>%
    mutate(d9 = across(all_of(cols), `%in%`, bcde) %>% 
        reduce(`+`))
# A tibble: 8 × 9
  d1    d2    d3    d4    d5    d6    d7    d8       d9
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <int>
1 b     a     a     a     a     a     a     a         0
2 a     a     a     a     c     a     a     a         1
3 a     b     a     a     a     a     a     a         1
4 a     a     c     a     a     b     a     a         2
5 a     a     a     a     a     a     a     a         0
6 a     a     b     a     a     a     a     a         1
7 a     a     a     a     a     d     a     a         1
8 a     a     a     d     a     a     a     a         1

【讨论】：

【解决方案4】：

这是一个 dplyr-esque，后跟一个仅使用 dplyr 的替代方案：

library(tidyverse)

df <- tibble(
  d1 = c('b', 'a', 'a', 'a', 'a', 'a', 'a', 'a'),
  d2 = c('a', 'a', 'b', 'a', 'a', 'a', 'a', 'a'),
  d3 = c('a', 'a', 'a', 'c', 'a', 'b', 'a', 'a'),
  d4 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'd'),
  d5 = c('a', 'c', 'a', 'a', 'a', 'a', 'a', 'a'),
  d6 = c('a', 'a', 'a', 'b', 'a', 'a', 'd', 'a'),
  d7 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'a'),
  d8 = c('a', 'a', 'a', 'a', 'a', 'a', 'a', 'a')
)

cols <- c('d2', 'd3', 'd4', 'd5', 'd6', 'd7', 'd8')
bcde <- c('b', 'c', 'd', 'e')

t(df) %>%
 as.data.frame() -> dft

dft[cols, ] %>% 
  map_dbl(~. %in% bcde %>% sum) %>%
  {mutate(df, d9 = .)}
#> # A tibble: 8 × 9
#>   d1    d2    d3    d4    d5    d6    d7    d8       d9
#>   <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#> 1 b     a     a     a     a     a     a     a         0
#> 2 a     a     a     a     c     a     a     a         1
#> 3 a     b     a     a     a     a     a     a         1
#> 4 a     a     c     a     a     b     a     a         2
#> 5 a     a     a     a     a     a     a     a         0
#> 6 a     a     b     a     a     a     a     a         1
#> 7 a     a     a     a     a     d     a     a         1
#> 8 a     a     a     d     a     a     a     a         1


#We can also do a `rowwise()` approach.

bcde_present <- function(x) {
  x %in% bcde 
}

#regular expression to match the desired columns in case they don't appear in order.

df %>% 
  rowwise() %>% 
  mutate(d9 = sum(bcde_present(across(matches('d[2-8]')))))
#> # A tibble: 8 × 9
#> # Rowwise: 
#>   d1    d2    d3    d4    d5    d6    d7    d8       d9
#>   <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <int>
#> 1 b     a     a     a     a     a     a     a         0
#> 2 a     a     a     a     c     a     a     a         1
#> 3 a     b     a     a     a     a     a     a         1
#> 4 a     a     c     a     a     b     a     a         2
#> 5 a     a     a     a     a     a     a     a         0
#> 6 a     a     b     a     a     a     a     a         1
#> 7 a     a     a     a     a     d     a     a         1
#> 8 a     a     a     d     a     a     a     a         1

^{由reprex package (v2.0.1) 于 2021 年 9 月 29 日创建}

【讨论】：