返回每个组的最常见字符串值

时间:2015-04-28 14:19:16

标签: r summarization

a <- c(rep(1:2,3))
b <- c("A","A","B","B","B","B")
df <- data.frame(a,b)

> str(b)
chr [1:6] "A" "A" "B" "B" "B" "B"

  a b
1 1 A
2 2 A
3 1 B
4 2 B
5 1 B
6 2 B

我想按变量a进行分组,并返回b的最常值

我想要的结果看起来像

  a b
1 1 B
2 2 B

dplyr中,它会像

df %>% group_by(a) %>% summarize (b = most.frequent(b))

我提到dplyr只是为了想象问题。

3 个答案:

答案 0 :(得分:25)

关键是要开始按ab进行分组以计算频率,然后只采用每组a中最常用的频率,例如:

df %>% 
  count(a, b) %>%
  slice(which.max(n))

Source: local data frame [2 x 3]
Groups: a

  a b n
1 1 B 2
2 2 B 2

当然还有其他方法,所以这只是一个可能的&#34;键&#34;。

答案 1 :(得分:3)

by() a的每个值,创建table() b并提取names()中最大条目的table()

> with(df,by(b,a,function(xx)names(which.max(table(xx)))))
a: 1
[1] "B"
------------------------
a: 2
[1] "B"

你可以将它包装在as.table()中以获得更漂亮的输出,尽管它仍然不能与你想要的结果完全匹配:

> as.table(with(df,by(b,a,function(xx)names(which.max(table(xx))))))
a
1 2 
B B

答案 2 :(得分:3)

对我来说更简单或更简单的是:

df %>% group_by(a) %>% slice(which.max(table(b)) )
df %>% group_by(a) %>% count(b) %>% top_n(1)