如何在不手动指定字符串的情况下计算变量的每个唯一字符串/观察值？答案

【问题标题】：How can I count each unique string / observation for a variable, without manually specifying a string?如何在不手动指定字符串的情况下计算变量的每个唯一字符串/观察值？
【发布时间】：2019-10-04 12:51:52
【问题描述】：

所以我有一些看起来像这样的数据：

从运行以下：

unique_names <- naming_data %>% 
  gather(stimuli, names) %>%            # Change from wide to long format. 
  group_by(stimuli) %>%                 # Set image name as grouping variable. 
  arrange (stimuli, names) %>%          # Sort by stimuli, then by names. 
  na.omit() %>%                         # Drop NA rows. 
  filter(!str_detect(names, 'no'))      # Drop rows with 'no' responses.

我试图找出每个“刺激”有多少个独特的“名称”，但是像这样不简单地计算独特的项目并不能提供我需要的所有信息：

stimuli                unique

anchor1_photo_colour   3
apple2_photo_grey      4

相反，我需要列出为每个“刺激”提供的所有唯一“名称”（每个“刺激”的这个数字会有所不同 - 例如，有些可能只有 1 个名称，其他可能有 5 个）。然后我想计算每一个的出现次数，这样我就可以计算比例并查看哪个给定的“名称”最频繁。我正在寻找与此类似的输出：

stimuli                names     count

anchor1_photo_colour   anchor    17
anchor1_photo_colour   pickaxe   1
anchor1_photo_colour   shovel    1
apple2_photo_grey      apple     16
apple2_photo_grey      peach     2
apple2_photo_grey      fruit     1
apple2_photo_grey      a         1

然后我可以确定，对于 anchor1_photo_colour，“anchor”是最常见的名称（17 - 89.4%），但这个名称并没有完全一致。我有约 800 种不同的“刺激”，每一种都有约 20 个“名称”。我发现的唯一解决方案需要手动指定要计数的字符串，但是有大约 800 个刺激（并且每个刺激有多个名称），这是不可能的。这也将涉及手动“查看”数据，并为错误留有余地（即，我可能错误地指出某些刺激具有 100% 的一致性，而事实上，考虑到我在观察数据时碰巧错过了一个不同的名称）。

任何帮助将不胜感激！

【问题讨论】：

library(data.table); setDT(data)[, .(count = .N), by = .(stimuli, names)]
naming_data %>% count(stimuli, names)怎么样

标签： r count pipe unique tidyverse

【解决方案1】：

unique_names %>% count(names,stimuli)

【讨论】：

这看起来很简单！我只需要删除重复的行，然后我就有了我正在寻找的确切输出。非常感谢 - 我会尽快接受您的回答。
注意我更换了我的解决方案，一旦我意识到你不需要保留所有的行。这将自动删除重复项。
更好！我只是在它下面添加了'''distinct()'''，但即使是“count”也不需要。完美！

【解决方案2】：

我们可以从base R使用table

as.data.frame(table(unique_names[c('names', 'stimuli')]))

【讨论】：