Question

我有一个包含2列，ID号和品牌的数据框：

我想找到最常见的关于身份证号码的前3个品牌组合：

A89, A87
A32, A27
A12, A14

我试过了：库（dplyr）

 df %>% 
  group_by(X1,X2) %>%
  mutate(n = n()) %>%
  group_by(X1) %>%
  slice(which.max(n)) %>%
  select(-n)

但它无法正常工作。我会很感激任何想法或想法！

Answer 1

这是在基础R中执行此操作的方法。我们将X2拆分为X1，然后为每个子组获取两个值的组合。然后我们抓住三个最常见的。

with(data.frame(table(unlist(lapply(split(df$X2, df$X1), function(x)
    combn(unique(x), min(2, length(x)), paste, collapse = "-"))))),
    as.character(Var1[head(order(Freq, decreasing = TRUE), 3)]))
#[1] "A12-A14" "A32-A27" "A89-A87"

数据

df = structure(list(X1 = c(1234L, 1234L, 1234L, 1234L, 1234L, 1234L, 1235L, 1235L, 1235L, 1236L, 1236L, 1236L, 1236L, 1236L, 1236L, 1236L, 1236L, 1237L, 1237L), X2 = c("A89", "A87", "A87", "A32", "A27", "A27", "A12", "A14", "A14", "A32", "A32", "A27", "A12", "A12", "A14", "A89", "A87", "A99", "A98")), .Names = c("X1", "X2"), class = "data.frame", row.names = c(NA, -19L))

Answer 2

我不会使用which.max，而是坚持使用标准dplyr

库（dplyr）

df %>% 
  group_by(X1,X2) %>%
  mutate(n = n()) %>%
  group_by(X2) %>% # or X1? Unclear which is your sorting variable
  top_n(3, X2) %>% # Returns 3 rows for each, can be changed / also could be X1
  select(-n)

注意：如果存在关联，top_n将包含超过3行

Answer 3

以下是使用tapply分组的另一个基本R方法，combn与paste组合以获得成对组合。

names(tail(sort(table(unlist(tapply(df$X2, df$X1,
                                FUN=function(x) combn(unique(x), 2, paste, collapse="-"))))),
           3))
[1] "A12-A14" "A32-A27" "A89-A87"

combn(unique(x), 2, paste, collapse="-")唯一对并将它们粘贴在一起。 tapply按组执行此操作并返回列表。 unlist将此变为向量，table计算频率。这些频率从最小到最大排序，我们用tail获取最后3个频率。 names从table中提取该对而不是计数。

Answer 4

另一种解决方案。首先，我们按组（X1）生成2个X2的所有组合，然后使用dplyr聚合和排列前3个。

combinations = as.data.frame(do.call(rbind,lapply(split(df,df$X1), function(x) 
    {t(combn(unique(x$X2),2))})))

combinations %>% 
group_by(V1,V2) %>% 
summarize(n=n()) %>% 
arrange(-n) %>% 
.[1:3,]

输出：

# A tibble: 3 x 3
# Groups:   V1 [3]
      V1     V2     n
  <fctr> <fctr> <int>
1    A12    A14     2
2    A32    A27     2
3    A89    A87     2

寻找最常见的组合

4 个答案: