Question

我在R开始，有时对我来说有点困难。我有一个100000观测的大数据框，在这个数据框中我有一个列id，我需要计算列中最常见的id。但问题是，字符串中有时会有不同的id由'＆amp;'分隔。我会保留一个例子，这样更容易：

id             value
1                1
1                2
2&3&4            6
2&5&7&8          1
2&4&5            3
2                3

所以，我应该获得2个可以到20'和''在一个字符串中。

提前致谢，

Answer 1

数据似乎是这样的：

df<-structure(list(id = structure(c(1L, 1L, 3L, 5L, 4L, 2L), .Label = c("1", 
"2", "2&3&4", "2&4&5", "2&5&7&8"), class = "factor"), value = c(1L, 
2L, 6L, 1L, 3L, 3L)), .Names = c("id", "value"), class = "data.frame", row.names = c(NA, 
-6L))

第一步是拥有一个包含所有ids：

的向量

unlist(strsplit(as.character(df[,1]),'&'))
# [1] "1" "1" "2" "3" "4" "2" "5" "7" "8" "2" "4" "5" "2"

然后我们得到频率：

table(unlist(strsplit(as.character(df[,1]),'&')))

# 1 2 3 4 5 7 8 
# 2 4 1 2 2 1 1

然后我们以最高频率显示数字（表按降序排列）：

names(sort(table(unlist(strsplit(as.character(df[,1]),'&'))),decreasing=T)[1])
# [1] "2"

如何用不同长度的字符串计算频率

1 个答案: