如何检查可以找到多少列字符[重复]

Question

我有一个包含 4 列的数据集，其中包含名称，其中名称的数量和名称的顺序在列之间有所不同。某些列还可以包含两次或更多次相同的名称。如下所示：

df<- data.frame(x1=c("Ben","Alex","Tim", "Lisa", "MJ","NA", "NA","NA","NA"), 
x2=c("Ben","Paul","Tim", "Linda", "Alex", "MJ", "Lisa", "Ken","NA"), 
x3=c("Tomas","Alex","Ben", "Paul", "MJ", "Tim", "Ben", "Alex", "Linda"), 
x4=c("Ben","Alex","Tim", "Lisa", "MJ", "Ben", "Barbara","NA", "NA"))

现在我必须先提取数据集中的唯一名称。我使用以下代码做到了这一点：

u<- as.vector(unique(unlist(df)))

其次，我需要找到可以在所有 4 列（A 类名称）、4 列中的 3 列（B 类名称）和 4 列中的 2 列（C 类名称）中找到的名称。

这就是我卡住的地方。我只能使用以下方法提取所有 4 列中包含的名称：

n<- ifelse(u%in%df$x1 & u%in%df$x2 & u%in%df$x3 & 
               u%in%df$x4", A, B)

因此，例如，Ben 将是 A 类名称，因为它可以在所有 4 列中找到，而 Lisa 将是 B 类名称，因为它只能在 4 列中的 3 列中找到。

Name Class
Ben    A
Lisa   B

有没有更好的方法来根据可以找到的列数对唯一名称进行分类，以及如何对 B 和 C 类名称进行分类？

提前致谢！

Answer 1

这是一个基于 R 的想法。我们遍历唯一元素并在数据框与每个名称相等时采用 rowSums。最大的结果就是你的预期输出

sapply(unique(c(t(df))), function(i) max(rowSums(df == i)))

#  Ben Tomas  Alex  Paul   Tim  Lisa Linda    MJ 
#    3     1     3     1     3     2     1     3 

Answer 2

您可以获取长格式的数据，并为每个名称找出它出现的唯一列：

library(dplyr)

df %>%
  tidyr::pivot_longer(cols = everything(), values_drop_na = TRUE) %>%
  group_by(value) %>%
  summarise(count = n_distinct(name))

#   value   count
#   <chr>   <int>
# 1 Alex        4
# 2 Barbara     1
# 3 Ben         4
# 4 Ken         1
# 5 Linda       2
# 6 Lisa        3
# 7 MJ          4
# 8 NA          3
# 9 Paul        2
#10 Tim         4
#11 Tomas       1

这里你在输出中得到"NA"，因为它是一个字符串。如果您的数据有真正的NA，它将因为values_drop_na = TRUE 而被丢弃。

Answer 3

使用aggregate + stack 的简单基本 R 选项

aggregate(.~values,unique(stack(df)),length)

这样

> aggregate(.~values,unique(stack(df)),length)
    values ind
1     Alex   4
2  Barbara   1
3      Ben   4
4      Ken   1
5    Linda   2
6     Lisa   3
7       MJ   4
8       NA   3
9     Paul   2
10     Tim   4
11   Tomas   1