Question

我有一个大型数据集但显示了一小部分样本

df = data.frame(v1 = c("Low", "Low", "High"), 
            v2 = c("Med", "High","Low"), 
            v3 = c("NA", "Low", "Low"),
            ID=c(1L, 1L, 1L),
            ID_name = c("AAA", "AA", "A"))

我需要计算v1，v2，v3的匹配数。例如，如果v1为低，v2为低，v3为低，则匹配变量为3.但NA不计入匹配。例如，对于第一行，匹配变量仅为1，因为只有1 Low和1 Med。我在excel中快速完成了这项工作，但需要进行一些排列，并且必须弄清楚如何在r中进行。

我的最终结果应如下所示：

df1 = data.frame(v1 = c("Low", "Low", "High"), 
             v2 = c("Med", "High","Low"), 
             v3 = c("NA", "Low", "Low"),
             ID=c(1L, 1L, 1L),
             ID_name = c("AAA", "AA", "A"),
             Consistency = c(1L,2L,2L))

非常感谢任何建议！

Answer 1

df1$consistency = apply(df1[c("v1", "v2", "v3")], 1, function(x) max(table(x)))

我们只想要最常见值的出现次数。 table将事件列表并且不计入NA，因此我们只需查看表格的最大值。

Answer 2

创建一个TRUE / FALSE表，您可以在其中比较彼此之间的所有列（仅适用于小型OP示例）并在其上使用rowSums。

library(data.table)
setDT(df)[, .(v1 == v2, v2 == v3, v1 == v3)]
#       V1    V2    V3
# 1: FALSE FALSE FALSE
# 2: FALSE FALSE  TRUE
# 3: FALSE  TRUE FALSE

# Final result
rowSums(setDT(df)[, .(v1 == v2, v2 == v3, v1 == v3)], na.rm = TRUE) + 1
# [1] 1 2 2

修改

如果列是因素：

setDT(df) # Transform factors to character df[, c("v1", "v2", "v3") := lapply(.SD, as.character), .SDcols = c("v1", "v2", "v3")] df[, .(v1 == v2, v2 == v3, v1 == v3)]

创建匹配变量

2 个答案: