计算每个唯一值的出现次数

Posted

技术标签:

【中文标题】计算每个唯一值的出现次数【英文标题】:Count number of occurences for each unique value 【发布时间】:2011-05-12 00:54:53 【问题描述】:

假设我有:

v = rep(c(1,2, 2, 2), 25)

现在,我想计算每个唯一值出现的次数。 unique(v) 返回唯一值是什么,但不返回它们的数量。

> unique(v)
[1] 1 2

我想要一些能给我的东西

length(v[v==1])
[1] 25
length(v[v==2])
[1] 75

但作为更一般的单线:) 类似这样的接近(但不完全)的东西:

#<doesn't work right> length(v[v==unique(v)])

【问题讨论】:

【参考方案1】:

也许桌子就是你所追求的?

dummyData = rep(c(1,2, 2, 2), 25)

table(dummyData)
# dummyData
#  1  2 
# 25 75

## or another presentation of the same data
as.data.frame(table(dummyData))
#    dummyData Freq
#  1         1   25
#  2         2   75

【讨论】:

啊,是的,我可以使用它,稍作修改:t(as.data.frame(table(v))[,2]) 正是我需要的,谢谢跨度> 我以前用hist 做这件事很尴尬。 table 似乎比 hist 慢很多。我想知道为什么。谁能确认一下? Chase,有机会按频率订购吗?我有完全相同的问题,但我的表大约有 20000 个条目,我想知道最常见的条目的频率。 @Torvon - 当然,只需在结果上使用order()。即x &lt;- as.data.frame(table(dummyData)); x[order(x$Freq, decreasing = TRUE), ] 这个方法不好,只适合极少重复的数据,不适合大量重复记录少的连续数据。【参考方案2】:

要获取包含唯一值计数的无维度整数向量,请使用c()

dummyData = rep(c(1, 2, 2, 2), 25) # Chase's reproducible data
c(table(dummyData)) # get un-dimensioned integer vector
 1  2 
25 75

str(c(table(dummyData)) ) # confirm structure
 Named int [1:2] 25 75
 - attr(*, "names")= chr [1:2] "1" "2"

如果您需要将唯一值的计数提供给另一个函数,这可能很有用,并且比在对 Chase 的答案的评论中发布的 t(as.data.frame(table(dummyData))[,2] 更短、更惯用。感谢 Ricardo Saporta 向我指出了这一点here。

【讨论】:

【参考方案3】:

如果您需要将唯一值的数量作为包含您的值的数据框中的附加列(例如可能代表样本大小的列),plyr 提供了一种简洁的方法:

data_frame <- data.frame(v = rep(c(1,2, 2, 2), 25))

library("plyr")
data_frame <- ddply(data_frame, .(v), transform, n = length(v))

【讨论】:

ddply(data_frame, .(v), count)。同样值得明确指出,您需要一个 library("plyr") 调用才能使 ddply 工作。 在使用plyr 时使用transform 而不是mutate 似乎很奇怪。【参考方案4】:
count_unique_words <-function(wlist) 
ucountlist = list()
unamelist = c()
for (i in wlist)

if (is.element(i, unamelist))
    ucountlist[[i]] <- ucountlist[[i]] +1
else
    
    listlen <- length(ucountlist)
    ucountlist[[i]] <- 1
    unamelist <- c(unamelist, i)
    

ucountlist


expt_counts <- count_unique_words(population)
for(i in names(expt_counts))
    cat(i, expt_counts[[i]], "\n")

【讨论】:

【参考方案5】:

如果您想在 data.frame(例如 train.data)上运行唯一的,并获得计数(可以用作分类器中的权重),您可以执行以下操作:

unique.count = function(train.data, all.numeric=FALSE)                                                                                                                                                                                                  
  # first convert each row in the data.frame to a string                                                                                                                                                                              
  train.data.str = apply(train.data, 1, function(x) paste(x, collapse=','))                                                                                                                                                           
  # use table to index and count the strings                                                                                                                                                                                          
  train.data.str.t = table(train.data.str)                                                                                                                                                                                            
  # get the unique data string from the row.names                                                                                                                                                                                     
  train.data.str.uniq = row.names(train.data.str.t)                                                                                                                                                                                   
  weight = as.numeric(train.data.str.t)                                                                                                                                                                                               
  # convert the unique data string to data.frame
  if (all.numeric) 
    train.data.uniq = as.data.frame(t(apply(cbind(train.data.str.uniq), 1, 
      function(x) as.numeric(unlist(strsplit(x, split=","))))))                                                                                                    
   else 
    train.data.uniq = as.data.frame(t(apply(cbind(train.data.str.uniq), 1, 
      function(x) unlist(strsplit(x, split=",")))))                                                                                                    
  
  names(train.data.uniq) = names(train.data)                                                                                                                                                                                          
  list(data=train.data.uniq, weight=weight)                                                                                                                                                                                           
  

【讨论】:

【参考方案6】:

这是一种使用aggregate 的单行方法。

> aggregate(data.frame(count = v), list(value = v), length)

  value count
1     1    25
2     2    75

【讨论】:

确实是单线而不是使用 unique() + 其他东西。太棒了! 注意:这不包括 NA 值【参考方案7】:

table() 函数是一个很好的方法,正如Chase 所建议的那样。 如果您正在分析大型数据集,另一种方法是使用数据表包中的 .N 函数。

确保你安装了数据表包

install.packages("data.table")

代码:

# Import the data.table package
library(data.table)

# Generate a data table object, which draws a number 10^7 times  
# from 1 to 10 with replacement
DT<-data.table(x=sample(1:10,1E7,TRUE))

# Count Frequency of each factor level
DT[,.N,by=x]

【讨论】:

【参考方案8】:

如果您有多个因子(= 多维数据框),您可以使用 dplyr 包计算每个因子组合中的唯一值:

library("dplyr")
data %>% group_by(factor1, factor2) %>% summarize(count=n())

它使用管道运算符%&gt;% 链接数据帧data 上的方法调用。

【讨论】:

或者,更短一点:data %&gt;% count(factor1, factor2)【参考方案9】:

这对我有用。带上你的矢量v

length(summary(as.factor(v),maxsum=50000))

注释:将 maxsum 设置为足够大以捕获唯一值的数量

或使用magrittr

v %&gt;% as.factor %&gt;% summary(maxsum=50000) %&gt;% length

【讨论】:

【参考方案10】:

还可以将值设为分类并调用summary()

> v = rep(as.factor(c(1,2, 2, 2)), 25)
> summary(v)
 1  2 
25 75 

【讨论】:

【参考方案11】:

你也可以试试tidyverse

library(tidyverse) 
dummyData %>% 
    as.tibble() %>% 
    count(value)
# A tibble: 2 x 2
  value     n
  <dbl> <int>
1     1    25
2     2    75

【讨论】:

【参考方案12】:

length(unique(df$col)) 是我能看到的最简单的方式。

【讨论】:

自从我提出这个问题以来,R 在过去 10 年中可能已经发展了很多。【参考方案13】:

我知道还有很多其他答案,但这里有另一种方法可以使用 sortrle 函数。函数rle 代表运行长度编码。它可用于计数运行次数(请参阅rle 上的 R 手册文档),但也可以在此处应用。

test.data = rep(c(1, 2, 2, 2), 25)
rle(sort(test.data))
## Run Length Encoding
##   lengths: int [1:2] 25 75
##   values : num [1:2] 1 2

如果您捕获结果,您可以按如下方式访问长度和值:

## rle returns a list with two items.
result.counts <- rle(sort(test.data))
result.counts$lengths
## [1] 25 75
result.counts$values
## [1] 1 2

【讨论】:

以上是关于计算每个唯一值的出现次数的主要内容,如果未能解决你的问题,请参考以下文章

使用 Pig Latin 计算唯一值的出现次数

Pandas - 计算并获取列中字符串值的唯一出现次数

计算火花数据框中所有列(300 列)的每个不同值的出现次数

在 XSLT 中,如何计算给定属性值的每个不同值出现在输入 XML 中的次数?

火花数据集:如何从列中获取唯一值的出现次数

VBA |如何计算不同值的出现次数?