如何计算大型数据集中出现的次数

Question

我正在尝试计算 25 年来数据框中每个 "scenarios" 的出现次数（0 到 9）。基本上，我有 10000 个名为 0 到 9 的场景模拟，每个场景都有发生的概率。

我的数据框太大，无法粘贴到这里，但这里有一个预览：

simulation=as.data.frame(replicate(10000,sample(c(0:9),size=25,replace=TRUE,prob=prob)))

simulation2=transpose(simulation)

注意** prob 是一个向量，具有观察每个场景的概率

   v1 v2 v3 v4 v5 v6 ... v25
1   0  0  4  0  2  0      9
2   1  0  0  2  3  0      6
3   0  4  6  2  0  0      0
4
...
10000

这是我目前尝试过的方法：

for (i in c(1:25)){
  for (j in c(0:9)){
f=sum(simulation2[,i]==j);
vect_f=c(vect_f,f)
  }
  vect_f=as.data.frame(vect_f)
}

如果我省略了 "for (i in c(1:25))"，这个 returns 我就是所需输出的右第一列。现在我正试图在 25 年内复制它。当我放置第二个 'for' 时，我没有得到所需的输出。

输出应如下所示：

      (Year) 1  2  3  4  5  6   ... 25
(Scenario)
   0         649
   1         239
   ...
   9          11

649 是第一年在我的 10 000 次模拟中观察到 'scenario 0' 的次数。

感谢您的帮助

Answer 1

我们可以使用table

sapply(simulation2, table)

#    V1   V2   V3   V4   V5 .....
#0 1023 1050  994 1016 1022 .....
#1 1050  968  950 1001  981 .....
#2  997  969 1004  999  949 .....
#3 1031  977 1001  993 1009 .....
#4 1017 1054 1020 1003  985 .....
#......

如果某列中缺少某些值，我们可以将数字转换为包含所有 levels

的因子

sapply(simulation2, function(x) table(factor(x, levels = 0:9)))

Answer 2

Ronak 的基本 R 答案很有效，但我认为他打算使用模拟而不是模拟 2。

sapply(simulation, function(x) table(factor(x, levels = 0:9)))

我尝试使用 dplyr 做同样的事情，因为我发现 tidyverse 代码更具可读性。


simulation %>% 
  rownames_to_column("i") %>% 
  gather(year, scenario, -i) %>% 
  count(year, scenario) %>% 
  spread(year, n, fill = 0)

但是请注意，最后一个选项比 base-R 代码慢一点（使用您的 10 000 行示例在我的机器上大约慢两倍）

如何计算大型数据集中出现的次数

How to count number of occurence in a large dataset

r

sample

count

replicate