r - 返回每个组的最频繁字符串值

Question

a <- c(rep(1:2,3))
b <- c("A","A","B","B","B","B")
df <- data.frame(a,b)

> str(b)
chr [1:6] "A" "A" "B" "B" "B" "B"

  a b
1 1 A
2 2 A
3 1 B
4 2 B
5 1 B
6 2 B

我想按变量分组a并返回最常见的值b

我想要的结果看起来像

  a b
1 1 B
2 2 B

里面dplyr会是这样的

df %>% group_by(a) %>% summarize (b = most.frequent(b))

我提到dplyr只是为了可视化问题。

Answer 1

关键是开始按两者进行分组a并b计算频率，然后只取每组最频繁的a，例如：

df %>% 
  count(a, b) %>%
  slice(which.max(n))

Source: local data frame [2 x 3]
Groups: a

  a b n
1 1 B 2
2 2 B 2

当然还有其他方法，所以这只是一个可能的“关键”。

Answer 2

对我有用或更简单的是：

df %>% group_by(a) %>% count(b) %>% top_n(1) # includes ties

library(data.table)
DT<-as.data.table(df)
DT[ , .N, by=.(a, b)][
  order(-N), 
  .SD[ N == max(N) ]
  ,by=a]                     # includes ties

Answer 3

by()的每个值a，创建一个table()并b提取其中names()的最大条目table()：

> with(df,by(b,a,function(xx)names(which.max(table(xx)))))
a: 1
[1] "B"
------------------------
a: 2
[1] "B"

您可以将其包装起来as.table()以获得更漂亮的输出，尽管它仍然与您想要的结果不完全匹配：

> as.table(with(df,by(b,a,function(xx)names(which.max(table(xx))))))
a
1 2 
B B