1

我正在寻找一种方法来计算每个组中最常见的名称，然后将该组中的所有名称更改为最常见的名称，或者使用最常见的名称创建一个新列。在数据集中，常见名称中可能存在关联，因此在这些情况下，我希望它选择其中一个关联名称。例如：

示例数据如下所示：

first_name = c("John", "John", "John Smith", "Linda Dawn", "Linda Dawn", "Linda", "Linda", "Linda Dawn", "Jack", "Jack", "Jack B", "Jack B")
id = c(1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3)
dt = data.table(cbind(first_name, id))

    first_name id
 1:       John  1
 2:       John  1
 3: John Smith  1
 4: Linda Dawn  2
 5: Linda Dawn  2
 6:      Linda  2
 7:      Linda  2
 8: Linda Dawn  2
 9:       Jack  3
10:       Jack  3
11:     Jack B  3
12:     Jack B  3

我的数据集中的名称也可能包含中间名。

我试过使用这个DescTools::Mode()函数，如果最常用的名字没有联系，这个函数效果很好。使用这种方法，我得到以下输出：

dt[, first_name_new := Mode(first_name), by = id]

    first_name id first_name_new
 1:       John  1           John
 2:       John  1           John
 3: John Smith  1           John
 4: Linda Dawn  2     Linda Dawn
 5: Linda Dawn  2     Linda Dawn
 6:      Linda  2     Linda Dawn
 7:      Linda  2     Linda Dawn
 8: Linda Dawn  2     Linda Dawn
 9:       Jack  3           <NA>
10:       Jack  3           <NA>
11:     Jack B  3           <NA>
12:     Jack B  3           <NA>

有谁知道如何让<NA>状态 Jack 或 Jack B 或其他技术来执行此任务？

提前致谢！

4

1 回答 1

1

Mode()有平局时返回 2 个值。只需从以下位置获取第一个Mode()：

dt[, first_name_new := Mode(first_name)[1], by = id]

> dt
    first_name id first_name_new
 1:       John  1           John
 2:       John  1           John
 3: John Smith  1           John
 4: Linda Dawn  2     Linda Dawn
 5: Linda Dawn  2     Linda Dawn
 6:      Linda  2     Linda Dawn
 7:      Linda  2     Linda Dawn
 8: Linda Dawn  2     Linda Dawn
 9:       Jack  3           Jack
10:       Jack  3           Jack
11:     Jack B  3           Jack
12:     Jack B  3           Jack
于 2021-05-05T23:38:08.223 回答