如何检查数据是否每组具有相同数量的观察值？答案

【问题标题】：How can I check whether data has an equal number of observations per group?如何检查数据是否每组具有相同数量的观察值？
【发布时间】：2012-05-02 23:48:12
【问题描述】：

我正在编写一些代码，我需要检查给定数据输入的所有组大小是否相等。例如，假设我想知道“mpg”数据集（在 ggplot2 包中）是否有：

每个制造商的汽车数量相同
每种驱动类型（4 轮、前轮、后轮）的汽车数量相同
每种发动机类型（4 缸、6 缸、8 缸）的汽车数量相同

对于像mpg这样的数据，其中一些问题可以通过检查摘要输出来回答

library(ggplot2)   # contains the mpg dataset
summary(mpg$drive) # shows the breakdown of cars by drive-type, 
                   # which we can verify is unequal

但我觉得我缺少一种检查组大小是否相等的简单方法。有没有像are.groups.of.equal.size(x) 这样的单一的、神秘的函数？还是返回此类信息的另一个基本函数（或它们的组合）？

【问题讨论】：

table? aggregate? ddply?有很多方法可以做到这一点。
@joran - 我正在尝试使其自动化，因此该解决方案基本上会返回一个关于组大小是否相等的布尔值。我如何使用table、aggregate 或ddply 来实现这一目标？
table() 返回一个向量。只需检查该向量的所有元素是否相等。 sd() 将是一种快速的方法。

标签： r

【解决方案1】：

这是一种方法：

are.groups.of.equal.size <- function(x)length(unique(table(x))) == 1L

are.groups.of.equal.size(mpg$manufacturer)
# [1] FALSE
are.groups.of.equal.size(mpg$drv)
# [1] FALSE
are.groups.of.equal.size(mpg$year)
# [1] TRUE

请注意，如果需要，table 可以选择如何处理数据中的 NAs。

【讨论】：

【解决方案2】：

正如 Joran 所说，从这里到圣诞节，我们可以发明 100 多种方法来解决这个问题。我闻到了微基准挑战的味道：

are.groups.of.equal.size <- function(x) {
    y <- rle(as.character(sort(x)))$lengths
    all(y%in%mean(y))
}


are.groups.of.equal.size(c(3, 3, 3))
are.groups.of.equal.size(mtcars$cyl)
are.groups.of.equal.size(CO2$Plant)
are.groups.of.equal.size(mtcars$carb)

【讨论】：

我认为rle 是我正在寻找的缺失部分。什么是微基准挑战？
看看谁能想出最快的方法来解决这个问题，因为我能想到的至少有 10 个。 sd 的建议也很有创意，我没想到。

【解决方案3】：

使用 sd 方法：

are.groups.of.equal.size <- function(x) {
   x2 <- tapply(x, x, length)
   sd(x2)==0 | length(x2)==1
}

are.groups.of.equal.size(c(3, 3, 3))
are.groups.of.equal.size(mtcars$cyl)
are.groups.of.equal.size(CO2$Plant)
are.groups.of.equal.size(mtcars$carb)

【讨论】：