使用 R 中的汇总分配因子变量的最常见值答案

【问题标题】：Assign most common value of factor variable with summarize in R使用 R 中的汇总分配因子变量的最常见值
【发布时间】：2022-11-25 10:10:50
【问题描述】：

R 菜鸟，在tidyverse/RStudio 工作。

我有一个分类/因子变量，我想保留在 group_by/summarize 工作流中。我想 summarize 它使用一个汇总函数返回每个组中该因素的最常见值。

我可以为此使用摘要功能吗？

mean 返回 NA，median 仅适用于数字数据，summary 给我单独的行，其中包含每个因子级别的计数，而不是最常见的级别。

编辑：示例使用mtcars 数据集的子集：

mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear carb 
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct>
21       6  160    110  3.9   2.62  16.5     0     1     4 4    
21       6  160    110  3.9   2.88  17.0     0     1     4 4    
22.8     4  108     93  3.85  2.32  18.6     1     1     4 1    
21.4     6  258    110  3.08  3.22  19.4     1     0     3 1    
18.7     8  360    175  3.15  3.44  17.0     0     0     3 2    
18.1     6  225    105  2.76  3.46  20.2     1     0     3 1    
14.3     8  360    245  3.21  3.57  15.8     0     0     3 4    
24.4     4  147.    62  3.69  3.19  20       1     0     4 2    
22.8     4  141.    95  3.92  3.15  22.9     1     0     4 2    
19.2     6  168.   123  3.92  3.44  18.3     1     0     4 4

在这里，我已将 carb 转换为因子变量。在这个数据子集中，您可以看到在 6 缸汽车中，有 3 辆带有carb=4，1 辆带有carb=1；同样，在 4 缸汽车中，有 2 辆带有carb=2，1 辆带有carb=1。

所以如果我这样做：

data %>% group_by(cyl) %>% summarise(modalcarb = FUNC(carb))

FUNC 是我正在寻找的功能，我应该得到：

cyl carb 
<dbl> <fct>
4    2    
6    4    
8    2  # there are multiple potential ways of handling multi-modal situations, but that's secondary here

希望这是有道理的！

【问题讨论】：

您可以使用Mode即df1 %>% group_by(yourgroup) %>% summarise(Mode = Mode(yourcolumn))
您能否提供一个带有预期输出的最小示例？
@akrun 是否有一个内置函数可以做到这一点？
不确定是否有任何软件包具有此功能。

标签： r dplyr tidyverse summarize

【解决方案1】：

您可以使用collapse 的函数fmode 来计算模式。在这里，我使用 mtcars 数据集创建了一个可重现的示例，其中 cyl 列是您要分组的因子变量，如下所示：

library(dplyr)
library(collapse)

mtcars %>%
  mutate(cyl = as.factor(cyl)) %>%
  group_by(cyl) %>%
  summarise(mode = fmode(am))
#> # A tibble: 3 × 2
#>   cyl    mode
#>   <fct> <dbl>
#> 1 4         1
#> 2 6         0
#> 3 8         0

^{创建于 2022-11-24 reprex v2.0.2}

【讨论】：

【解决方案2】：

我们可以在count之后使用which.max：

library(dplyr)

# fake dataset
x <- mtcars %>% 
  mutate(cyl = factor(cyl)) %>% 
  select(cyl) 

x %>% 
  count(cyl) %>% 
  slice(which.max(n))

  cyl       n
  <fct> <int>
1 8        14

【讨论】：

【解决方案3】：

您可以使用which.max 进行索引，使用table 进行计数。

library(tidyverse)

mtcars |>
  group_by(cyl) |>
  summarise(modalcarb = carb[which.max(table(carb))])
#> # A tibble: 3 x 2
#>     cyl modalcarb
#>   <dbl>     <dbl>
#> 1     4         2
#> 2     6         4
#> 3     8         3

【讨论】：