如何在 R 中的数据行中跨变量/向量查找模式答案

【问题标题】：How to find mode across variables/vectors within a data row in R如何在 R 中的数据行中跨变量/向量查找模式
【发布时间】：2013-01-06 23:57:51
【问题描述】：

有谁知道如何找到模式（R 中单个案例的变量中最常见的模式？

例如，如果我有关于最喜欢的水果类型 (x) 的数据，则在调查中对每个受访者 (id) 询问了九次 (x1-x9)。如果我想在前五次询问中找到每个测试对象的模态响应，我将如何在 R 中编程？

更简洁，下面是示例数据，我如何在每个案例中找到 MODE？

 id  x1  x2  x3  x4  x5  MODE(x1-x5)?  
  1  3   5   6   4   5   5   
  2  7   4   7   4   7   7  
  3  3   4   4   4   3   4  
  4  3   2   2   2   3   2

【问题讨论】：

您的示例数据和解释不匹配。在您的示例 data 中，id 在哪里，您的列 v1-v5 是否应该被标记为 x1-x5？
它不会出现在您的示例数据中，但任何合理的解决方案都需要知道您打算如何处理平局。
c(3,2,2,2,3)的模式是7？
@ML，已修复，谢谢。 @乔兰；可能会标记并进一步评估（实际数据比示例具有更多先验信息）。

标签： r average

【解决方案1】：

modeest 包为单峰单变量数据提供了多种模式估计器。

这有一个函数mfv 来返回最频繁的值，或者（如?mfv 所述）使用`mlv(..., method = 'discrete') 可能更好

library(modeest)


## assuming your data is in the data.frame dd

apply(dd[,2:6], 1,mfv)
[1] 5 7 4 2
## or
apply(dd[,2:6], 1,mlv, method = 'discrete')
[[1]]
Mode (most frequent value): 5 
Bickel's modal skewness: -0.2 
Call: mlv.integer(x = newX[, i], method = "discrete") 

[[2]]
Mode (most frequent value): 7 
Bickel's modal skewness: -0.4 
Call: mlv.integer(x = newX[, i], method = "discrete") 

[[3]]
Mode (most frequent value): 4 
Bickel's modal skewness: -0.4 
Call: mlv.integer(x = newX[, i], method = "discrete") 

[[4]]
Mode (most frequent value): 2 
Bickel's modal skewness: 0.4 
Call: mlv.integer(x = newX[, i], method = "discrete")

现在，如果您的联系最为频繁，那么您需要考虑您想要什么。
mfv 和 mlv.integer 都将返回所有最常见的值。（虽然 print 方法只显示一个值）

【讨论】：

【解决方案2】：

为平局选择最低值的解决方案由下式给出：

modeStat = function(vals) {
  return(as.numeric(names(which.max(table(vals)))))
}
modeStat(c(1,3,5,6,4,5))

这会返回：

[1] 5

【讨论】：

【解决方案3】：

在关系上使用mean，并返回一个向量：

> x[-7]
##   x v1 v2 v3 v4 v5
## 1 1  3  4  5  4  5
## 2 2  7  4  7  4  7
## 3 3  3  4  4  4  3
## 4 4  3  2  2  2  3

这与您的问题中的数据不完全相同。第一行已更改为引入平局。

require(functional)
apply(x[2:6], 1, Compose(table,
                         function(i) i==max(i),
                         which,
                         names,
                         as.numeric,
                         mean))

## [1] 4.5 7.0 4.0 2.0

将mean 替换为您需要的任何打破平局的功能。

【讨论】：