使用 R 计算单词的频率及其出现在哪一列

Question

我有一个包含不同列中一系列名称的数据集。每列确定姓名输入系统的时间。是否可以找到所有名称出现的次数和最近的列条目。我添加了一张图片来展示数据集的工作原理。

Answer 1

这是一种方法：

library(dplyr)
set.seed(42)
dat <- setNames(as.data.frame(replicate(4, sample(letters, size = 10, replace = TRUE))), 1:4)
dat
#    1 2 3 4
# 1  q x c c
# 2  e g i z
# 3  a d y a
# 4  y y d j
# 5  j e e x
# 6  d n m k
# 7  r t e o
# 8  z z t v
# 9  q r b z
# 10 o o h h

tidyverse

library(dplyr)
library(tidyr)
pivot_longer(dat, everything(), names_to = "colname", values_to = "word") %>%
  mutate(colname = as.integer(colname)) %>%
  group_by(word) %>%
  summarize(n = n(), latest = max(colname), .groups = "drop")
# # A tibble: 20 x 3
#    word      n latest
#    <chr> <int>  <int>
#  1 a         2      4
#  2 b         1      3
#  3 c         2      4
#  4 d         3      3
#  5 e         4      3
#  6 g         1      2
#  7 h         2      4
#  8 i         1      3
#  9 j         2      4
# 10 k         1      4
# 11 m         1      3
# 12 n         1      2
# 13 o         3      4
# 14 q         2      1
# 15 r         2      2
# 16 t         2      3
# 17 v         1      4
# 18 x         2      4
# 19 y         3      3
# 20 z         4      4

数据表

library(data.table)
melt(as.data.table(dat), integer(0), variable.name = "colname", value.name = "word")[
  , colname := as.integer(colname)
    ][, .(n = .N, latest = max(colname)), by = .(word) ]

（虽然没有按word排序，但值是一样的）