15

我正在尝试检索数据框中存在的特定列中重复次数最多的值。下面是我的示例数据和代码。A

data("Forbes2000", package = "HSAUR")
head(Forbes2000)


  rank                name        country             category  sales profits  assets marketvalue
1    1           Citigroup  United States              Banking  94.71   17.85 1264.03      255.30
2    2    General Electric  United States        Conglomerates 134.19   15.59  626.93      328.54
3    3 American Intl Group  United States            Insurance  76.66    6.46  647.66      194.87
4    4          ExxonMobil  United States Oil & gas operations 222.88   20.96  166.99      277.02
5    5                  BP United Kingdom Oil & gas operations 232.57   10.27  177.57      173.54
6    6     Bank of America  United States              Banking  49.01   10.81  736.45      117.55

根据我的示例数据，我需要返回重复次数最多的类别，即保险。

subset(subset(Forbes2000,country=="Bermuda")
4

9 回答 9

21 
tail(names(sort(table(Forbes2000$category))), 1)
于 2012-08-29T22:19:30.437 回答
11

如果两个或多个类别可能最常见，请使用以下内容：

x <- c("Insurance", "Insurance", "Capital Goods", "Food markets", "Food markets")
tt <- table(x)
names(tt[tt==max(tt)])
[1] "Food markets" "Insurance"
于 2012-08-29T22:14:48.107 回答
5

使用 data.table 包的另一种方法，对于大型数据集来说更快：

set.seed(1)
x=sample(seq(1,100), 5000000, replace = TRUE)

方法1（上面提出的解决方案）

start.time <- Sys.time()
tt <- table(x)
names(tt[tt==max(tt)])
end.time <- Sys.time()
time.taken <- end.time - start.time
time.taken

时差 4.883488 秒

方法2（数据表）

start.time <- Sys.time()
ds <- data.table( x )
setkey(ds, x)
sorted <- ds[,.N,by=list(x)]

most_repeated_value <- sorted[order(-N)]$x[1]
most_repeated_value

end.time <- Sys.time()
time.taken <- end.time - start.time
time.taken

时间差 0.328033 秒

于 2014-07-19T08:35:36.580 回答
1

我知道我的答案来得有点晚，但我构建了以下函数，它可以在不到一秒的时间内为包含超过 50,000 行的数据框完成这项工作：

print_count_of_unique_values <- function(df, column_name, remove_items_with_freq_equal_or_lower_than = 0, return_df = F, 
                                         sort_desc = T, return_most_frequent_value = F)
{
  temp <- df[column_name]
  output <- as.data.frame(table(temp))
  names(output) <- c("Item","Frequency")
  output_df <- output[  output[[2]] > remove_items_with_freq_equal_or_lower_than,  ]

  if (sort_desc){
    output_df <- output_df[order(output_df[[2]], decreasing = T), ]
  }

  cat("\nThis is the (head) count of the unique values in dataframe column '", column_name,"':\n")
  print(head(output_df))

  if (return_df){
    return(output_df)
  }

  if (return_most_frequent_value){
      output_df$Item <- as.character(output_df$Item)
      output_df$Frequency <- as.numeric(output_df$Frequency)
      most_freq_item <- output_df[1, "Item"]
      cat("\nReturning most frequent item: ", most_freq_item)
      return(most_freq_item)
  }
}

因此，如果您有一个名为“df”的数据框和一个名为“name”的列，并且您想知道“name”列中最多的评论值，您可以运行：

most_common_name <- print_count_of_unique_values(df=df, column_name = "name", return_most_frequent_value = T)
于 2019-03-21T15:26:21.403 回答
1

你可以创建一个函数：

get_mode <- function(x){
  return(names(sort(table(x), decreasing = T, na.last = T)[1]))
}

然后做

get_mode(Forbes3000$category)

我创建一个函数的原因是我经常要做这种事情。

于 2019-10-09T19:50:48.207 回答
0

您可以使用table(Forbes2000$CategoryName, useNA="ifany"). 这将为您提供所选类别中所有可能值的列表以及每个值在该特定数据框中使用的次数。

于 2015-05-23T21:08:24.637 回答
0

以下是（对我来说）最容易阅读和记住的：

names(which.max(table(Forbes2000$category)))

关于效率的额外说明：这种方法避免了对表条目进行排序（发现最大值比完全排序便宜）。最有效的解决方案是避免完整的列表。您可以想象一个 Rcpp 解决方案，它循环遍历源向量并保持正在运行的制表，但在比赛结束前停止。如果有人写了该解决方案，请联系我，以便我给您 +1 并编辑此答案以参考您的答案。

于 2021-03-06T16:45:05.027 回答
0

我建议Rfast::Table。

Rfast::Table(as.character(Forbes2000$CategoryName))

你可以获得最大值。

于 2021-03-08T19:34:41.353 回答
0

使用来自@Malvika 的函数选项可以轻松地跨表应用并为每一列获取这些值

#create a mode function
get_mode_name <- function(x){
  return(names(sort(table(x), decreasing = T, na.last = T)[1]))
}

get_mode_value <- function(x){
  return(unname(sort(table(x), decreasing = T, na.last = T)[1]))
}

get_mode_pct<- function(x){
  return(unname(sort(table(x), decreasing = T, na.last = T)[1])/length(x))
}

#Identify character columns
type_table <- sapply(table_name, class)

#create vector numeric and character types
num_table <- (unname(type_table) == "numeric")
char_table <- (unname(type_table) == "character")

#View the modes of character columns
mode_name <- apply(table_name[,char_table], 2, function(x) get_mode_name(x))    
mode_value <- apply(table_name[,char_table], 2, function(x) get_mode_value(x))
mode_pct <- apply(table_name[,char_table], 2, function(x) get_mode_pct(x))
于 2021-07-27T20:10:28.850 回答