获取一列中重复次数最多的项目及其在另一列中的关联值[关闭]

Posted 2023-02-16

【中文标题】获取一列中重复次数最多的项目及其在另一列中的关联值[关闭]

【英文标题】：Get the most repeated items in one column and its associated value in another column [closed]

【发布时间】：2022-01-02 01:39:25

【问题描述】：

我的原始数据集（cyclistic_data）有 3 列：station name、station_lat 和 station_lng。这是我的数据集的预览。Preview of data set

station_coordinates <- 
   data.frame(
     station = c(Dearborn St, Franklin St, Lake Shore Dr, Dearborn St, 
                 Dearborn St,  Franklin St),
     station_lat = c(-87.6291273333333, -87.6353428333333, 
                     41.8809828333333, -87.6291273333333, 
                    -87.6291273333333, -87.6353428333333),
     station_lng = c(41.8944341666667, 41.900675, 41.8720545, 
                     41.8944341666667, 41.8944341666667, 41.900675) 
   )              

我试过了

sort(table(cyclistic_data$start_station),decreasing=TRUE)[1:100]

获取重复次数最多的 100 个电台名称的代码。通过使用此代码，我确定了前 100 个站点，但我无法从原始数据 det 中提取相应的 lan 和 lng 值。我想从原始数据集中检索重复次数最多的 100 个站点名称及其 lat 和 lng 值。

【问题讨论】：

欢迎来到 ***！请阅读有关how to ask a good question 的信息以及如何提供reproducible example。这将使其他人更容易帮助您。

【参考方案1】：

如果没有可重复的例子，给出一个精确的解决方案有点困难，但如果我理解正确，你可以试试：

使用 add_count() 向数据框中添加一列，我们将在此处将其命名为“station_n”。 slice_max(n = 100, order_by = station_n) 根据我们的计数，这将占据前 100 个站点。

data %%>
    add_count(station, name = "station_n")%>%
    slice_max(n = 100, order_by = station_n) 

根据经度和纬度进行绘图是一个稍微不同的问题，并且将取决于您要如何绘图，但您可以查看 maps() 包和 geom_sf() 作为启动器

在您发表评论后，我知道的最简单的方法是使用联接。可能有更好/更快的选择：

#Making a minimally complex example: 
data <- data.frame(station = c("one", "one", "two", "one", "three", "three"),
                     lat = c(18938, 18938, 18273, 18938, 199999, 199999))

top <- data %>%
  count(station, sort = TRUE)%>%
  slice_max(n = 2, order_by = n)

data %>%
  inner_join(top)

我们可以把它变成这样的函数：

keeping_top_n <- function(x, top_n = 100, var_of_interest = station)
  top <- x %>%
    count(var_of_interest, sort = TRUE)%>%
    slice_max(n = top_n, order_by = n)
  
  x %>%
    inner_join(top)


#you would call this like:

keeping_top_n(data_frame)

【讨论】：

我需要获取站点列中最常用站点的 100 个名称以及前 100 个列表中每个站点对应的 lat 和 lng 值。

Oki，已经编辑了答案 - 对我来说很好，如果您有任何问题，请制作一个可重现的示例 :)

成功了。感谢您的协助。我不得不像这样更改代码以获得所需的结果。顶部 % count(end_station, sort = TRUE)%>% head(arrange(desc(n)), n = 100)