创建一个变量，按组捕获最频繁出现的事件

Posted 2023-02-14

【中文标题】创建一个变量，按组捕获最频繁出现的事件

【英文标题】：Create a variable capturing the most frequent occurence by group

【发布时间】：2011-09-24 16:43:56

【问题描述】：

定义：

df1 <-data.frame(
id=c(rep(1,3),rep(2,3)),
v1=as.character(c("a","b","b",rep("c",3)))
)

s.t.

> df1
  id v1
1  1  a
2  1  b
3  1  b
4  2  c
5  2  c
6  2  c

我想创建第三个变量freq，其中包含v1 by id s.t. 中最常见的观察结果

> df2
  id v1 freq
1  1  a    b
2  1  b    b
3  1  b    b
4  2  c    c
5  2  c    c
6  2  c    c

【问题讨论】：

在 id group 中应该如何处理关系？

@Chase 在我的情况下，我确信没有关系。

关于领带的好问题，我会记下我的解决方案如何处理这个问题...

【参考方案1】：

另一种方法是使用tidyverse 函数：

首先分组，使用group_by()，然后使用tally()计算第二个变量的出现次数 使用arrange()按出现次数排列 用summarize()和first()总结并挑出第一行

因此：

df1 %>%
group_by(id, v1) %>%
tally() %>%
arrange(id, desc(n)) %>%
summarize(freq = first(v1))

这将为您提供映射（我觉得更简洁）：

# A tibble: 2 x 2
     id   freq
  <dbl> <fctr>
1     1      b
2     2      c

然后您可以使用该表left_join您的原始数据框。

【讨论】：

我喜欢这种方法，因为可以在tally() 之后检查和识别关系。 @joran 的强大功能也有可能做到这一点，但不像这里那么简单，至少对我而言

【参考方案2】：

mode <- function(x) names(table(x))[ which.max(table(x)) ]
df1$freq <- ave(df1$v1, df1$id, FUN=mode)
> df1
  id v1 freq
1  1  a    b
2  1  b    b
3  1  b    b
4  2  c    c
5  2  c    c
6  2  c    c

【讨论】：

我认为df2 是一个错字，当我运行它时，我得到NAs for id=2。

错字不见了，但我仍然认为这段代码不起作用。当id=2时，max(table(x))返回3，但是table(x)只有1个名字，所以你的函数模式返回NA。

由于意外因素，意外给出了正确的结果。 df$id 是一个因素，第三级是“c”。固定。

【参考方案3】：

您可以使用ddply 和自定义函数来挑选最常见的值：

myFun <- function(x)
    tbl <- table(x$v1)
    x$freq <- rep(names(tbl)[which.max(tbl)],nrow(x))
    x


ddply(df1,.(id),.fun=myFun)

请注意，which.max 将返回最大值的第一次出现，在平局的情况下。请参阅 nnet 包中的 ??which.is.max 以了解随机中断关系的选项。