返回每个组的最频繁字符串值[重复]

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a分组，返回b最频繁的值

我想要的结果是这样的

  a b
1 1 B
2 2 B

在dplyr 中会是这样的

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

我提到dplyr 只是为了形象化问题。

Answer 1

by()a 的每个值，创建b 的table() 并提取该table() 中最大条目的names()：

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

您可以将其包装在 as.table() 中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

Answer 2

关键是按a 和b 开始分组以计算频率，然后只取a 的每组最频繁的，例如这样：

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 3

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