R - 按模式和目标计算模式和百分比

Question

我正在尝试计算数字列的众数。不是数字的列应该有一个 "NA" 作为向量中的占位符。我还需要根据目标的百分比。一些示例数据：

c1= c("A", "B", "C", "C", "B", "C", "C") 
c2= factor(c(1, 1, 2, 2,1,2,1), labels = c("Y","N"))
d= as.Date(c("2015-02-01", "2015-02-03","2015-02-01","2015-02-05", "2015-02-03","2015-02-01", "2015-02-03"), format="%Y-%m-%d")
x= c(1,1,2,3,1,2,4) 
y= c(1,2,2,6,2,3,1) 
t= c(1,0,1,1,0,0,1)
df=data.frame(c1, c2, d, x, y,t) 
df

  c1 c2          d x y t
1  A  Y 2015-02-01 1 1 1
2  B  Y 2015-02-03 1 2 0
3  C  N 2015-02-01 2 2 1
4  C  N 2015-02-05 3 6 1
5  B  Y 2015-02-03 1 2 0
6  C  N 2015-02-01 2 3 0
7  C  Y 2015-02-03 4 1 1

我需要每个数字列的模式：

mode=as.numeric(c("NA","NA", "NA", 1,2,1))
mode
[1] NA NA NA  1  2  1

和 t==1 的行的百分比向量，当列中的值 == 模式时

[1] NA NA NA  0.33  0.33

和 t==1 的行的百分比向量，当列中的值 != mode

[1] NA NA NA  0.75  0.75

如何计算此类向量？

我找到的最佳模式是：

library(plyr)

mode_fun <- function(x) {
  mode0 <- names(which.max(table(x)))
  if(is.numeric(x)) return(as.numeric(mode0))
  mode0
}
kdf_mode=apply(kdf,2, numcolwise(mode_fun))

但如果有任何非数字列，它会报错。

Answer 1

我们可以使用 sapply 遍历 'df' 的列，应用 mode_fun 得到输出 vector ('v1')。对于非数字列，我们使用 if/else 到 return NA 的条件。

 v1 <- unname(sapply(df, function(x) if(!is.numeric(x)) NA else mode_fun(x)))
 v1
 #[1] NA NA NA  1  2  1

对于第二种情况（我想我们不需要第 6 列，即 't'）。我们用 sapply 遍历 'df' 的列，使用 if/else 条件。在 else 条件下，我们比较 mode 值是否等于列值 (mode_fun(x)==x))。我们使用 & 来获取等于 mode 对应于 t==1 的值的逻辑索引。得到 sum 并除以 sum(v1)。

unname(sapply(df[-6], function(x) if(!is.numeric(x)) {
            NA
            } else {
                v1 <- mode_fun(x)==x
                sum(v1 & t==1)/sum(v1) 
  } ))
 #[1]        NA        NA        NA 0.3333333 0.3333333

对于第三个，我们更改条件以获取列不等于mode 的逻辑索引。与前一个案例相同。

unname(sapply(df[-6], function(x) if(!is.numeric(x)){
         NA 
         } else {
              v1 <- mode_fun(x)!=x
              sum(v1 & t==1)/sum(v1)
   } ))
 #[1]   NA   NA   NA 0.75 0.75

我们计算完'v1'后，不用循环sapply也可以做到。我们创建一个逻辑索引，其中列 class 是 'numeric' 并且列名不是 't' ('indx')。

indx <- sapply(df, is.numeric) &  names(df)!='t'

我们基于'indx'（df[indx]、v1[indx]）对'df'和'v1'进行子集化，通过复制[=19=来制作长度] 使用 col。 col 给出了 df[indx] 中列的数字索引。然后我们检查子集数据集是否等于 vector 以给出逻辑矩阵。

indx1 <- df[indx]==v1[indx][col(df[indx])]

和前面的代码一样，我们使用&来检查'indx1'中的TRUE值是否也对应于't==1. DocolSums[= 'v1'

的 45=]colSumsof 'indx1', and concatenate (c) with theNA` 元素

unname(c(v1[is.na(v1)], colSums(indx1& t==1)/colSums(indx1)))
#[1]        NA        NA        NA 0.3333333 0.3333333

同样，我们可以通过改变条件创建'indx2'，然后像以前一样做colSums

indx2 <- df[indx]!=v1[indx][col(df[indx])] 
unname(c(v1[is.na(v1)], colSums(indx2& t==1)/colSums(indx2)))
#[1]   NA   NA   NA 0.75 0.75

R - 按模式和目标计算模式和百分比

R - calculating mode and percentages by mode and target

r

apply

mode