将列值与 rowSums 进行比较

Question

我正在尝试使用 rowSums，但使用的是对条件值的比较。

这是我的数据框示例，基于调查。其中行指的是参与者，列指的是 child.

的出生日期

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06
1  1360  1360  1266  1228  1181  1158    
2  1362  1342  1301  1264  1245  1191 
3  1379    NA    NA    NA    NA    NA  
4  1355  1330  1293  1293  1227  1208  
5  1391  1371  1358  1334  1311  1311

在这里，相似日期是指双胞胎。我想做的是创建一个新列，告诉我对于每一行，这些列的值有多少次相似。这会给我这样的东西：

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1

编辑：抱歉，我忘了说，如果任何数字出现 3 次或更多次，则不应算作双胞胎。最终目标是有 4 列：一列用于单身（当每个数字只出现一次），一列用于双胞胎，一列用于三胞胎（如果任何数字出现三次），一列用于四胞胎。

我正在使用 dplyr。由于 data.frame 非常大，我需要指定要进行比较的列的范围。我尝试了以下代码以及变体：

twins<-df%>%
  mutate(twins= rowSums(select(.,starts_with("b3_")) == select(.,starts_with("b3_")),na.rm=TRUE))

这是行不通的。我也玩过其他功能，但找不到解决方案。

你知道如何实现这个目标吗？我觉得解决方案很简单，但我是 R 的绝对初学者。

Answer 1

一个简单的解决方案是

twins <- df%>%
  mutate(twins = apply(., 1, function(x) sum(duplicated(x, incomparables=NA))))

Answer 2

参考我的评论并假设连续 n 相同的值算作 n-1 双胞胎，定义

countTwins <- function(row) {
  length(row)-length(unique(row))
}

并将列 twins 设为

twinCol <- apply(df,1,countTwins)

如果你想计算 n 与 1 双胞胎相同的值，请改用函数

countTwins2 <- function(row) {
  sum(table(unname(unlist(row)))>1)
}

根据我的评论更新：

countSinglesTwinsAndTriplets <- function(row) {
  tt <- table(unname(unlist(row)))
  c(sum(tt==1),sum(tt==2),sum(tt==3)) #nr of singletons,twins,triplets
}

addCols <- setNames(data.frame(t(apply(df,1,countSinglesTwinsAndTriplets))),c("singletons","twins","triplets"))

Answer 3

其他解决方案

基础

df$twins <- apply(df, 1, function(x) length(x) - length(unique(x)) - sum(is.na(x)) + any(is.na(x)))

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1

Answer 4

与@Taufi 使用的逻辑类似，但添加了 purrr:

df %>%
 mutate(twins = pmap(across(everything()), ~ sum(duplicated(na.omit(c(...))))))

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1

将列值与 rowSums 进行比较

Comparing column values with rowSums

r

count

comparison

dplyr