如何获取R中该数据框中每一列的数据框中所有变量的计数信息？答案

【问题标题】：How to obtain count information for all variables in a dataframe for each column in in that dataframe in R?如何获取R中该数据框中每一列的数据框中所有变量的计数信息？
【发布时间】：2021-07-01 00:09:24
【问题描述】：

我有一个数据框，其中每一列都是不同的组，并且该列中的每个值都是某种标识符。所有列的长度都不同，并且组之间的值存在一些重叠。我的目标是生成一个新的数据框，其中列名保持不变，初始数据框中存在的每个值都列为行名，并且每个相应单元格中包含的每个值都有计数数据。

输入 DF：

A         B         C         D                                                                                             
Lamp      Car       Orange    Apple   
Potato    Car       Work      Run  
Computer  Sword     Run        
Buns                Tab
Screen
Drain

我想要获得的 DF，或者类似的东西：

           A         B         C         D                                                                                             
Lamp       1         0         0         0
Potato     1         0         0         0
Computer   1         0         0         0
Buns       1         0         0         0
Screen     1         0         0         0
Drain      1         0         0         0
Car        0         2         0         0
Sword      0         1         0         0
Orange     0         0         1         0
Work       0         0         1         0
Run        0         0         1         1
Tab        0         0         1         0
Apple      0         0         0         1

我曾尝试四处查看类似的帖子，但我一直未能找到非常合适的内容。对此的任何帮助将不胜感激。

【问题讨论】：

如果您将数据放在两列中，一列用于当前列名，另一列用于值，您应该能够使用table 来获取您想要的值。如果需要，您可以使用tidyr::pivot_longer 获取这两列。
你不能有一个 data.frame 列有不同的长度。根据您获取数据的方式，它将失败或用 NA 填充它们。
您能否使用dput 或类似格式以可重现的格式提供您的数据？阅读how to give a reproducible example

标签： r dataframe data-wrangling

【解决方案1】：

这是一个基本的 R 解决方案：

# turn into a list of non-NA characters
dat <- lapply(dat, na.omit)

# get the common levels
lvls <- unique(unlist(dat))

# use table on each of them 
sapply(dat, function(x) table(factor(x, levels = lvls)))
#R>          A B C D
#R> Lamp     1 0 0 0
#R> Potato   1 0 0 0
#R> Computer 1 0 0 0
#R> Buns     1 0 0 0
#R> Screen   1 0 0 0
#R> Drain    1 0 0 0
#R> Car      0 2 0 0
#R> Sword    0 1 0 0
#R> Orange   0 0 1 0
#R> Work     0 0 1 0
#R> Run      0 0 1 1
#R> Tab      0 0 1 0
#R> Apple    0 0 0 1

或者，您可以避免按如下方式分配变量：

sapply(dat, function(x, lvls) table(factor(x, lvls)),
       lvls = unique(unlist(dat)))
#R>          A B C D
#R> Lamp     1 0 0 0
#R> Potato   1 0 0 0
#R> Computer 1 0 0 0
#R> Buns     1 0 0 0
#R> Screen   1 0 0 0
#R> Drain    1 0 0 0
#R> Car      0 2 0 0
#R> Sword    0 1 0 0
#R> Orange   0 0 1 0
#R> Work     0 0 1 0
#R> Run      0 0 1 1
#R> Tab      0 0 1 0
#R> Apple    0 0 0 1

或者可能是 R 4.1.0 或更高版本的更高效版本：

dat |> lapply(na.omit) |>
  (\(z) sapply(z, function(x, lvls) table(factor(x, lvls)),
               lvls = unique(unlist(z))))() 
#R>          A B C D
#R> Lamp     1 0 0 0
#R> Potato   1 0 0 0
#R> Computer 1 0 0 0
#R> Buns     1 0 0 0
#R> Screen   1 0 0 0
#R> Drain    1 0 0 0
#R> Car      0 2 0 0
#R> Sword    0 1 0 0
#R> Orange   0 0 1 0
#R> Work     0 0 1 0
#R> Run      0 0 1 1
#R> Tab      0 0 1 0
#R> Apple    0 0 0 1

dat定义如下：

dat <- data.frame(
  A = c("Lamp", "Potato", "Computer", "Buns", "Screen", "Drain"), 
  B = c("Car", "Car", "Sword", NA, NA, NA), 
  C = c("Orange", "Work", "Run", "Tab", NA, NA), 
  D = c("Apple", "Run", NA, NA, NA, NA))

【讨论】：

【解决方案2】：

这是一个 tidyverse 方法。首先，重塑为长 df 并聚合组。然后，将变量重新整形为宽 df。

library(tidyverse)

dat %>% 
  pivot_longer(everything()) %>% 
  drop_na(value) %>% 
  count(name, value) %>% 
  pivot_wider(value, names_from = name, values_from = n, values_fill = 0)

# # A tibble: 13 x 5
#    value        A     B     C     D
#    <chr>    <int> <int> <int> <int>
#  1 Buns         1     0     0     0
#  2 Computer     1     0     0     0
#  3 Drain        1     0     0     0
#  4 Lamp         1     0     0     0
#  5 Potato       1     0     0     0
#  6 Screen       1     0     0     0
#  7 Car          0     2     0     0
#  8 Sword        0     1     0     0
#  9 Orange       0     0     1     0
# 10 Run          0     0     1     1
# 11 Tab          0     0     1     0
# 12 Work         0     0     1     0
# 13 Apple        0     0     0     1

数据集：

dat <- structure(list(A = c("Lamp", "Potato", "Computer", "Buns", "Screen", 
"Drain"), B = c("Car", "Car", "Sword", NA, NA, NA), C = c("Orange", 
"Work", "Run", "Tab", NA, NA), D = c("Apple", "Run", NA, NA, 
NA, NA)), class = "data.frame", row.names = c(NA, -6L))

【讨论】：

感谢您的评论。这解决了我的问题，非常有帮助！

【解决方案3】：

我想我会在base 中试一试。这里可能还有改进的余地...

dat <- structure(list(
  A = c("Lamp", "Potato", "Computer", "Buns", "Screen", "Drain"),
  B = c("Car", "Car", "Sword", NA, NA, NA),
  C = c("Orange", "Work", "Run", "Tab", NA, NA), 
  D = c("Apple", "Run", NA, NA, NA, NA)),
  class = "data.frame",
  row.names = c(NA, -6L))

# get unique values
levels = unique(as.vector(as.matrix(dat)))

# coerce dat fields to factor format
dat <- lapply(dat, factor, levels = levels)

# get frequency of factor levels
freq <- lapply(dat, table)

# unlist and rotate
t(do.call(rbind, freq))

【讨论】：