如何使用每行的模式（最常见）值聚合 R 中的数据？

Question

我有一个数据集，例如，

Data <- data.frame(
  groupname = as.factor(sample(c("a", "b", "c"), 10, replace = TRUE)),
  someuser = sample(c("x", "y", "z"), 10, replace = TRUE))


   groupname someuser
1          a        x
2          b        y
3          a        x
4          a        y
5          c        z
6          b        x
7          b        x
8          c        x
9          c        y
10         c        x

如何汇总数据以便获得：

groupname someuser
a         x
b         x
c         x

这是每个组名最常用的值。

PS：根据我的设置，我只能使用 2 个 pakcages - plyr 和 lubridate

Answer 1

这可能适合您 - 使用基数 R

set.seed(1)
Data <- data.frame(
  groupname = as.factor(sample(c("a", "b", "c"), 10, replace = TRUE)),
  someuser = sample(c("x", "y", "z"), 10, replace = TRUE))
Data
   groupname someuser
1          a        x
2          b        x
3          b        z
4          c        y
5          a        z
6          c        y
7          c        z
8          b        z
9          b        y
10         a        z

res <- lapply(split(Data, Data$groupname), function(x) 
  data.frame(groupname=x$groupname[1], someuser=names(sort(table(x$someuser),
             decreasing=TRUE))[1]))

do.call(rbind, res)
  groupname someuser
a         a        z
b         b        z
c         c        y

并使用 ddply

sort_fn2 <- function(x) {names(sort(table(x$someuser), decreasing=TRUE))[1]}
ddply(Data, .(groupname), .fun=sort_fn2)
  groupname V1
1         a  z
2         b  z
3         c  y

Answer 2

您可以将此 function 与聚合结合使用以找到模式。

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

aggregate(someuser ~ groupname, Data, Mode)

  groupname someuser
1         a        x
2         b        x
3         c        x

请注意，如果出现平局，它只会 return 第一个值。

Answer 3

多种选择。这里使用 table 来计算频率，which.max 到 select 最大值。在 data.table 框架内：

library(data.table)
setDT(Data)[,list(someuser={
  tt <- table(someuser)
  names(tt)[which.max(tt)]
}),groupname]

使用plyr（几乎相同）：

library(plyr)
ddply(Data,.(groupname),summarize,someuser={
  tt <- table(someuser)
  names(tt)[which.max(tt)]
})

如何使用每行的模式（最常见）值聚合 R 中的数据？

How to aggregate data in R with mode (most common) value for each row?

aggregate

r