如何计算给定因子中每个级别有多少个值？

Posted 2023-03-11

【中文标题】如何计算给定因子中每个级别有多少个值？

【英文标题】：How to count how many values per level in a given factor?

【发布时间】：2014-11-24 17:01:25

【问题描述】：

我有一个大约 2500 行的 data.frame mydf。这些行对应于列 1 mydf$V1 中的 69 类对象，我想计算每个对象类有多少行。 我可以通过以下方式获得这些类的一个因素：

objectclasses = unique(factor(mydf$V1, exclude="1"));

计算每个对象类的行数的简洁 R 方法是什么？如果这是任何其他语言，我会使用循环遍历数组并保持计数，但我是 R 编程新手，正在尝试利用 R 的向量化操作。

【问题讨论】：

你试过table吗？没有可重现的例子，很难猜出答案

***.com/questions/4215154/count-unique-values-in-r/…的可能重复

【参考方案1】：

这里有两种方法：

set.seed(1)
tt <- sample(letters,100,rep=TRUE)

## using table
table(tt)
tt
a b c d e f g h i j k l m n o p q r s t u v w x y z 
2 3 3 3 2 4 6 1 6 5 6 4 7 2 2 2 5 4 5 3 8 4 5 4 3 1 
## using tapply
tapply(tt,tt,length)
a b c d e f g h i j k l m n o p q r s t u v w x y z 
2 3 3 3 2 4 6 1 6 5 6 4 7 2 2 2 5 4 5 3 8 4 5 4 3 1 

【参考方案2】：

或使用dplyr 库：

library(dplyr)
set.seed(1)
dat <- data.frame(ID = sample(letters,100,rep=TRUE))
dat %>% 
  group_by(ID) %>%
  summarise(no_rows = length(ID))

注意%>%的使用，类似于bash中管道的使用。实际上，上面的代码通过管道将dat 传递到group_by，并且该操作的结果通过管道传递到summarise。

结果是：

Source: local data frame [26 x 2]

   ID no_rows
1   a       2
2   b       3
3   c       3
4   d       3
5   e       2
6   f       4
7   g       6
8   h       1
9   i       6
10  j       5
11  k       6
12  l       4
13  m       7
14  n       2
15  o       2
16  p       2
17  q       5
18  r       4
19  s       5
20  t       3
21  u       8
22  v       4
23  w       5
24  x       4
25  y       3
26  z       1

请参阅dplyr introduction 了解更多上下文，以及有关各个功能的详细信息的文档。

【讨论】：

这正是我想要的。表格答案也很有用；数据存在一些问题，导致我暂时无法使用表格，因此我目前正在使用 data.frame。

我是 R 新手，但似乎这个 dplyr 包是 R 的 jquery。它是很多事情的答案。

使用table 会更好，因为它不需要额外的库。

ggplot2 实际上比graphics 提供了一个附加值，而在这种情况下，所提供的解决方案与table 的作用完全相同。我的评论指的是问题和手头的问题，不是关于包的一般性陈述。

关于deplyr 可以做什么，我和你意见一致。我认为误解来自我的陈述。我不赞成普遍性！我的意思是，在这个问题的范围内，这种观点是有限的。给定因子f，table(f) 的作用与此解决方案建议的相同。

【参考方案3】：

使用plyr 包：

library(plyr)

count(mydf$V1)

它将返回每个值的频率。

【讨论】：

这是我在这里能看到的最简单的方法，而且很有效。谢谢！

【参考方案4】：

使用data.table

 library(data.table)
 setDT(dat)[, .N, keyby=ID] #(Using @Paul Hiemstra's `dat`)

或使用dplyr 0.3

 res <- count(dat, ID)
 head(res)
 #Source: local data frame [6 x 2]

 #  ID n
 #1  a 2
 #2  b 3
 #3  c 3
 #4  d 3
 #5  e 2
 #6  f 4

或者

  dat %>% 
      group_by(ID) %>% 
      tally()

或者

  dat %>% 
      group_by(ID) %>%
      summarise(n=n())

【参考方案5】：

我们可以在因子列上使用summary：

summary(myDF$factorColumn)

【讨论】：

summary(ggplot2::diamonds$clarity) 看起来像是按预期执行的。

这应该被接受为一种解决方案，它通过一个内置函数完成并准确输出所需内容。

【参考方案6】：

使用包 plyr 和 lapply 来获取数据框中每个值（级别）和每个变量（因子）的频率。

library(plyr)
lapply(df, count)

【讨论】：

这个答案可能属于评论。请查看如何写一个好的答案 - ***.com/help/how-to-answer

【参考方案7】：

另一种方法是应用 n() 函数来计算观察次数

library(dplyr)
library(magrittr)
data %>% 
  group_by(columnName) %>%
  summarise(Count = n())

【参考方案8】：

如果我只想知道数据中存在多少个独特的因子水平，我会使用：

length(unique(df$factorcolumn))

【参考方案9】：

这是一篇旧文章，但您可以使用基本 R 并且没有数据框/数据表来做到这一点：

sapply(levels(yTrain), function(sLevel) sum(yTrain == sLevel))