如何计算和比较R中多列的数据？

Question

我正在使用一个数据框，其中包含已分类和编码的文本数据。从1到12的每个数值代表一种单词。

我想计算6列（pre1到pre6）中每个数字（1到12）的出现频率，因此我知道使用了多少种单词。有人可以建议如何做吗？

我的df的结构如下：

Answer 1

类似的东西对您有用吗？

library(dplyr)
df <- data.frame(pre1 = c(sample(1:12, 10)),
                 pre2 = c(sample(1:12, 10)),
                 pre3 = c(sample(1:12, 10)),
                 pre4 = c(sample(1:12, 10)),
                 pre5 = c(sample(1:12, 10)),
                 pre6 = c(sample(1:12, 10)))
count <- count(df, pre1, pre2, pre3, pre4, pre5, pre6)

Answer 2

一个解决方案是这样：

library(tidyverse)

mtcars %>%
  select(cyl, am, gear) %>%    # select the columns of interest
  gather(column, number) %>% # reshape
  count(column, number)      # get counts of numbers for each column

# # A tibble: 8 x 3
#   column number     n
#   <chr>   <dbl> <int>
# 1 am          0    19
# 2 am          1    13
# 3 cyl         4    11
# 4 cyl         6     7
# 5 cyl         8    14
# 6 gear        3    15
# 7 gear        4    12
# 8 gear        5     5

在您的情况下，column的值将为pre1，pre2等，number' will get values 1 - 12 and n`将是特定列上特定数字的计数。

Answer 3

从这个问题尚不清楚，您是否想要所有这些列一起使用频率表，还是要分别为每个列使用频率表。在可能的其他问题中，您还应该弄清楚这些数字是编码为数字，字符还是因数（str(pCat)的结果是实现此目的的一种好方法）。对于这个特定的问题，幸运的是没关系。

我已经在评论中给出的答案是

table(unlist(pCat[,4:9]))

和

table(pCat$pre3)

作为后者的扩展，我还要指出ANG的评论，其内容可以归结为

lapply(pCat[,4:9], table)

这些是简单的解决方案，使用基础R，没有任何其他不必要的软件包。 JonGrub和AntoniosK的答案基于tidyverse。对于该问题，显然没有必要导入dplyr或tidyverse，但是我想，无论何时，只要使用R的作者都会打开这些包，因此，这实际上并没有增加任何成本。他们。 data.table和sqldf是其他基于良好答案的出色软件包。这些是很好的程序包，许多人做很多事情，可以在其中一个程序包的基础R中完成。这些软件包有望变得更加清晰或更快，或者重用您可能已经拥有的可能知识。这没什么不对的。但是，我以您的问题为标志，您仍在学习R，并且建议您先学习R，然后再通过学习特殊的软件包和DSL分散注意力。

人们使用R为基础已有几十年了，他们将继续这样做。 R的学习基础不会分散您对R的注意力，数十年来，这些知识将继续是值得的。如果可以对tidyverse或datatable说同样的话，那么时间就会证明一切（尽管sqldf可能也是未来的坚实投资，也许比R还要重要）。