根据 R 中一步中的出现频率聚合分类 data.table 列

Question

我有一个 data.table 具有数百万行和相当多列的 DT。我想同时聚合各个列上的 data.table。一列 'Var' 是一个分类变量，我想以选择出现次数最多的条目的方式对其进行聚合。

> require(data.table)
> DT <- data.table(ID = c(1,1,1,1,2,2,2,3,3), Var = c('A', 'B', 'B', 'B', 'C', 'C', 'A', 'A', 'A'))
> DT
   ID Var
1:  1   A
2:  1   B
3:  1   B
4:  1   B
5:  2   C
6:  2   C
7:  2   A
8:  3   A
9:  3   A

我想要的输出是：

> desired_output
   ID agg_Var
1:  1       B    # B occurred the most for ID = 1
2:  2       C    # C occurred the most for ID = 2
3:  3       A    # A occurred the most for ID = 3

我知道我可以分两步完成。首先汇总每个 ID 和 Var 的出现次数，然后选择频率最高的行：

> ## I know this works but it involves more than one step:
> step1 <- DT[,.( freq = .N), by=.(ID, Var)]
> step1 
   ID Var freq
1:  1   A    1
2:  1   B    3
3:  2   C    2
4:  2   A    1
5:  3   A    2
> step2 <- step1[, .(Var_agg = Var[which.max(freq)]), by = .(ID)]
> step2
   ID Var_agg
1:  1       B
2:  2       C
3:  3       A

如果可能，我正在寻找一种一步完成此操作的方法？原因是我需要为此 table 做很多其他聚合，但其他聚合都涉及一个步骤，如果我不必为此专栏进行单独的聚合，那就太好了，这样我就可以将它包含在其他列的聚合中。这个问题是代码优化问题。我只对 data.table 操作感兴趣，对其他包不感兴趣。

Answer 1

创建用于计算 Mode 的函数并按 Mode

进行分组

Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

DT[, .(agg_Var = Mode(Var)), ID]

根据 R 中一步中的出现频率聚合分类 data.table 列

Aggregate a categorical data.table column based on frequency of occurrence in one step in R

r

data.table

aggregate

frequency

categorical-data