Wie finde ich die häufigsten Werte über mehrere Spalten mit Faktoren

Question

Ich bin noch relativ neu zu R, also Entschuldigung im Voraus, wenn meine Frage zu einfach scheint.

Mein Problem ist wie folgt:

ich einen Datensatz mit mehreren Faktorvariablen haben, die die gleichen Kategorien haben. Ich muss die Kategorie finden, die am häufigsten für jede Beobachtung über die Faktorvariablen auftritt. Im Falle von Bindungen kann ein beliebiger Wert gewählt werden, obwohl es großartig wäre, wenn ich mehr Kontrolle darüber hätte.

Mein Datensatz enthält über hundert Faktoren. Jedoch ist die Struktur so ähnlich:

id <- 1:3 
var1 <- c("red","yellow","green") 
var2 <- c("red","yellow","green") 
var3 <- c("yellow","orange","green") 
var4 <- c("orange","green","yellow") 
df <- data.frame(cbind(id, var1, var2, var3, var4)) 


> df 
    id var1 var2 var3 var4 
1 1 red red yellow orange 
2 2 yellow yellow orange green 
3 3 green green green yellow 

die Lösung eine Variable innerhalb des Datenrahmens sein sollte, zum Beispiel var5, die die häufigste Kategorie für jede Zeile enthält. Es kann ein Faktor oder ein numerischer Vektor sein (falls die Daten müssen zuerst in numerische Vektoren umgewandelt werden) In diesem Fall

, möchte ich an dieser Lösung haben:

> df$var5 
[1] "red" "yellow" "green" 

Jede Beratung wird sehr geschätzt! Danke im Voraus!

Answer 1

Etwas wie:

apply(df,1,function(x) names(which.max(table(x)))) 
[1] "red" "yellow" "green" 

Falls es einen Gleichstand, which.max den ersten Maximalwert annimmt. Von der which.max Hilfeseite:

die Position Bestimmt, das heißt Index des (ersten) Minimum oder Maximum eines numerischen Vektors.

Ex:

var4 <- c("yellow","green","yellow") 
df <- data.frame(cbind(id, var1, var2, var3, var4)) 

> df 
    id var1 var2 var3 var4 
1 1 red red yellow yellow 
2 2 yellow yellow orange green 
3 3 green green green yellow 

apply(df,1,function(x) names(which.max(table(x)))) 
[1] "red" "yellow" "green" 

Answer 2

Wenn Ihre Daten sehr groß ist, dass Sie mit dem data.table Paket vielleicht zu prüfen.

# Generate the data 
nrow <- 10^5 
id <- 1:nrow 
colors <- c("red","yellow","green") 
var1 <- sample(colors, nrow, replace = TRUE) 
var2 <- sample(colors, nrow, replace = TRUE) 
var3 <- sample(colors, nrow, replace = TRUE) 
var4 <- sample(colors, nrow, replace = TRUE) 

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

Chargaffs Lösung ist einfach und funktioniert gut in einigen Fällen. Mit data.table können Sie eine kleine Leistungsverbesserung (~ 20%) erzielen.

df <- data.frame(cbind(id, var1, var2, var3, var4)) 
system.time(apply(df, 1, Mode)) 
# user system elapsed 
# 1.242 0.018 1.264 

library(data.table) 
dt <- data.table(cbind(id, var1, var2, var3, var4)) 
system.time(melt(dt, measure = patterns('var'))[, Mode(value1), by = id]) 
# user system elapsed 
# 1.020 0.012 1.034