我有一个数据集“a”，其列“id”包含大约23,000行，在此数据框中是唯一的。我想在另外两个数据集“b”和“c”中计算这些唯一值的出现频率。 为此，我尝试了代码：
count1 <- as.data.frame(apply(a,1,function(x)sum(b$id==x[45])))
a <- cbind(a,count1)
，因为“id”是数据帧“b”中的第45列。 该代码适用于b中的计数，但是当我尝试使用相同的代码来计算数据帧“c”中“id”的频率时：
count2 <- as.data.frame(apply(a,1,function(x)sum(c$id==x[17])))
“id”在第17列中。所有“id”的频率都计为0，但情况并非如此。任何人都可以建议问题出在哪里或如何解决这个问题？
答案 0 :(得分：2)
我们实际上可以这样做的方式起初看起来有点奇怪，但相对简单。让我们从仅使用数据框a和b开始，让我们稍微简化一下。我们假设id和a中的b变量如下：
a_id <- 1:5
b_id <- 1:5
在这个简单的示例中，a_id和b_id完全相同。我们想知道的是a_id中b_id中的每个值出现多少次table。我们显然知道每个答案都是一次，但我们如何让R告诉我们呢？那个table(a_id, b_id)
# b_id
# a_id 1 2 3 4 5
# 1 1 0 0 0 0
# 2 0 1 0 0 0
# 3 0 0 1 0 0
# 4 0 0 0 1 0
# 5 0 0 0 0 1
函数可以派上用场：
b_id这可能看起来有点难看，但你可以看到我们的a_id位于顶部（1-5），我们的a_id位于左侧。在对角线下方，我们会看到b_id中diag的每个值出现多少次的计数，而且每个值都是我们已经知道的。那么我们如何获得这些信息呢？ R有一个很好的函数叫diag(table(a_id, b_id))
# 1 2 3 4 5
# 1 1 1 1 1
，它为我们提供了主要的对角线：
b_id我们有它。我们的＆＃34; countif＆＃34;值。但是，如果a_id没有table中的所有值，该怎么办？如果我们尝试做我们刚刚做的事情，我们会收到错误，因为a_id <- 1:10
b_id <- 4:8
table(b_id[b_id %in% a_id])
# 4 5 6 7 8
# 1 1 1 1 1
在两个向量具有不同长度时并不喜欢它。所以我们稍微修改一下：
%in%这里有几件新事物。使用1 %in% 1:3只是要求R告诉我们向量中是否存在值。例如，TRUE将返回4 %in% 1:3，但FALSE将返回b_id。接下来，您会注意到我们使用[将b_id编入索引。这仅返回b_id %in% a_id TRUE b_id为a_id的值，在本例中为b_id。
那么，如果我们期望a_id中每个b_id的值不是多个，而a_id <- 1:10
b_id <- sample(3:7, 1000, replace=TRUE)
table(b_id[b_id %in% a_id])
# 3 4 5 6 7
# 210 182 216 177 215
中的{{1}}值不是每个{{1}}，那么这会是什么样的？让我们看一个更真实的例子：
{{1}}
就像我说的那样，起初看起来有点奇怪，但它相对直接。希望这对你有所帮助，而不是让你困惑。