Question

我正在寻找最常用的值（字符串）及其频率。

预期结果是一个包含三列的数据框：

char: the names of the original columns
mode: the most frequent value in each char
freq: the frequency of the modes

当频率有联系时，我想将所有合格值放在一个单元格中，并用逗号分隔。 -还是有更好的表现形式？

问题：我不知道如何处理领带。

我已经使用table（）函数来获取每一列的频率表。

clean <- read.xlsx("test.xlsx", sheet = "clean") %>% as_tibble()
freqtb <- apply(clean, 2, table)

这是我在freqtb中获得的第二张桌子：

$休12
个 休 天 饿 
1 33  2  1

然后我遍历表格：

freq <- vector()
mode <- vector()
for (tb in freqtb) {

    max = max(tb)
    name = names(tb)[tb==max]

    freq <- append(freq, max)
    mode <- append(mode, name)
}
results <- data.frame(char = names(freqtb), freq = freq, mode=mode)

该模式的长度比其他向量大，并且不能附加到结果上。我敢打赌这是由于联系。

如何为该“模式”变量获得相同的长度？

Answer 1

您可以对代码here进行一些小的修改，以获得Mode函数。然后在数据框架上Map，并将结果rbind一起

options(stringsAsFactors = F)
set.seed(2)

df.in <- 
  data.frame(
    a = sample(letters[1:3], 10, T),
    b = sample(1:3, 10, T),
    c = rep(1:2, 5))

Mode <- function(x) {
  ux <- unique(x)
  tab <- tabulate(match(x, ux))
  ind <- which(tab == max(tab))
  data.frame(char = ux[ind], freq = tab[ind])
}

do.call(rbind, lapply(df.in, Mode))
#     char freq
# a      c    4
# b      1    4
# c.1    1    5
# c.2    2    5

有平局时，在因子变量中获取模式及其频率

1 个答案: