选择变量中出现频率最高的 n 个值答案

【问题标题】：Select the n most frequent values in a variable选择变量中出现频率最高的 n 个值
【发布时间】：2018-08-13 09:18:26
【问题描述】：

我想在数据框中的列中查找最常见的值。我认为使用table 是最好的方法吗？然后我想过滤/子集我的数据框以仅包含这些前 n 个值。

我的数据框的一个例子如下。在这里我想找到例如前 2 个 ID。

ID    col
A     blue
A     purple
A     green
B     green
B     red
C     red
C     blue
C     yellow
C     orange

因此我想输出以下内容：

Top 2 values of ID are:
A and C

然后我会选择 ID A 和 C 对应的行：

ID    col
A     blue
A     purple
A     green
C     red
C     blue
C     yellow
C     orange

【问题讨论】：

标签： r filter count top-n

【解决方案1】：

您可以尝试tidyverse。将ID 的计数相加，然后过滤出前两个（使用< 3）或前十（使用< 11）：

library(tidyverse)
d %>% 
  add_count(ID) %>% 
  filter(dense_rank(-n) < 3)
# A tibble: 7 x 3
  ID    col        n
  <fct> <fct>  <int>
1 A     blue       3
2 A     purple     3
3 A     green      3
4 C     red        4
5 C     blue       4
6 C     yellow     4
7 C     orange     4

数据

d <- read.table(text="ID    col
A     blue
                A     purple
                A     green
                B     green
                B     red
                C     red
                C     blue
                C     yellow
                C     orange", header=T)

【讨论】：

【解决方案2】：

我们可以使用table、sort 按decreasing 的顺序计算值的数量并选择前2（或10）个值，获取相应的ID 并将这些ID 子集化从数据框中。

df[df$ID %in% names(sort(table(df$ID), decreasing = TRUE)[1:2]), ]

#  ID    col
#1  A   blue
#2  A purple
#3  A  green
#6  C    red
#7  C   blue
#8  C yellow
#9  C orange

【讨论】：

哈！走的是同一条路：top_n_value = 2;df1 %>% filter(ID %in% (table(ID) %>% sort(decreasing=T) %>% .[1:top_n_value] %>% names)) - 1up 住宿base

【解决方案3】：

使用 tidyverse 及其top_n：

library(tidyverse)
d %>%
  group_by(ID) %>%
  summarise(n()) %>%
  top_n(2)

Selecting by n()
# A tibble: 2 x 2
ID    `n()`
<fct> <int>
1 A         3
2 C         4

完成子集：

d %>%
  group_by(ID) %>%
  summarise(n()) %>%
  top_n(2) %>% 
  { filter(d, ID %in% .$ID) }

Selecting by n()
ID    col
1  A   blue
2  A purple
3  A  green
4  C    red
5  C   blue
6  C yellow
7  C orange

（我们使用大括号是因为我们不将左侧结果作为过滤器的第一个参数）

【讨论】：

这不是 OP 想要的。请检查预期的输出。
“因此我想输出以下内容：ID 的前 2 个值是：A 和 C”。我添加了子集，虽然它不是问题的本质......