如何检查可以找到多少列字符[重复]

Posted 2023-02-14

【中文标题】如何检查可以找到多少列字符[重复]

【英文标题】：How to check in how many columns character can be found [duplicate]

【发布时间】：2020-11-24 13:59:37

【问题描述】：

我有一个包含 4 列的数据集，其中包含名称，其中名称的数量和名称的顺序在列之间有所不同。某些列还可以包含两次或更多次相同的名称。如下所示：

df<- data.frame(x1=c("Ben","Alex","Tim", "Lisa", "MJ","NA", "NA","NA","NA"), 
x2=c("Ben","Paul","Tim", "Linda", "Alex", "MJ", "Lisa", "Ken","NA"), 
x3=c("Tomas","Alex","Ben", "Paul", "MJ", "Tim", "Ben", "Alex", "Linda"), 
x4=c("Ben","Alex","Tim", "Lisa", "MJ", "Ben", "Barbara","NA", "NA"))

现在我必须先提取数据集中的唯一名称。我使用以下代码做到了这一点：

u<- as.vector(unique(unlist(df)))

其次，我需要找到可以在所有 4 列（A 类名称）、4 列中的 3 列（B 类名称）和 4 列中的 2 列（C 类名称）中找到的名称。

这就是我卡住的地方。我只能使用以下方法提取所有 4 列中包含的名称：

n<- ifelse(u%in%df$x1 & u%in%df$x2 & u%in%df$x3 & 
               u%in%df$x4", A, B)

因此，例如，Ben 将是 A 类名称，因为它可以在所有 4 列中找到，而 Lisa 将是 B 类名称，因为它只能在 4 列中的 3 列中找到。

Name Class
Ben    A
Lisa   B

有没有更好的方法来根据可以找到的列数对唯一名称进行分类，以及如何对 B 和 C 类名称进行分类？

提前致谢！

【问题讨论】：

对不起！我为较短的列添加了一些“NA”行。所以它现在更像原始数据。

***.com/questions/63235393/… 您创建了一个带有类似问题的主题。看答案。合适吗？

table(unlist(lapply(df, levels)))（如果这些是因素）或table(unlist(lapply(df, unique)))（如果这些是字符）是另一种选择

【参考方案1】：

这是一个基于 R 的想法。我们遍历唯一元素并在数据框与每个名称相等时采用 rowSums。最大的结果就是你的预期输出

sapply(unique(c(t(df))), function(i) max(rowSums(df == i)))

#  Ben Tomas  Alex  Paul   Tim  Lisa Linda    MJ 
#    3     1     3     1     3     2     1     3 

【讨论】：

感谢您的回答！但我需要知道至少可以在多少列中找到名称一次。所以对于 Ben，它应该是 4，因为 Ben 可以在所有 4 列中找到（至少一次）。你知道解决方案吗？

【参考方案2】：

您可以获取长格式的数据，并为每个名称找出它出现的唯一列：

library(dplyr)

df %>%
  tidyr::pivot_longer(cols = everything(), values_drop_na = TRUE) %>%
  group_by(value) %>%
  summarise(count = n_distinct(name))

#   value   count
#   <chr>   <int>
# 1 Alex        4
# 2 Barbara     1
# 3 Ben         4
# 4 Ken         1
# 5 Linda       2
# 6 Lisa        3
# 7 MJ          4
# 8 NA          3
# 9 Paul        2
#10 Tim         4
#11 Tomas       1

这里你在输出中得到"NA"，因为它是一个字符串。如果您的数据有真正的NA，它将因为values_drop_na = TRUE 而被丢弃。

【讨论】：

嘿，非常感谢！这是我问题的完美解决方案！您是否认为我可以从中创建一个 for 循环并将其应用于多个数据集，比如说 5 (df1, df2, df3, df4, df5)？你也知道解决方案吗？

把上面的代码放在一个函数中（比如fun）。然后将所有数据框放在一个列表中，lst_data <- list(df1, df2...) 并使用map(lst_data, fun)。

【参考方案3】：

使用aggregate + stack 的简单基本 R 选项

aggregate(.~values,unique(stack(df)),length)

这样

> aggregate(.~values,unique(stack(df)),length)
    values ind
1     Alex   4
2  Barbara   1
3      Ben   4
4      Ken   1
5    Linda   2
6     Lisa   3
7       MJ   4
8       NA   3
9     Paul   2
10     Tim   4
11   Tomas   1

【讨论】：

这在我的 R 会话中不起作用。我得到Error in stack.data.frame(df) : no vector columns were selected

@DavidArenburg 这很奇怪......你的 R 版本是什么？我的是 Win 10 中的 4.0.2

对，应该是R版本，我还没升级到4呢