group_by，获得最频繁和第二频繁

Question

我有以下数据集：

a   b

1   a           
1   a           
1   a           
1   none            
2   none            
2   none            
2   b           
3   a           
3   c           
3   c
3   d
4   a

我想得到 b 中任何 a 的最频繁值和 b 中任何 a 的第二频繁值。如果 b 中的两个值具有相同的频率，我对两者中的任何一个被视为“第一”或“第二”无动于衷。

在这种情况下，预期的输出是：

d2：

a    first    second 
1    a        none
2    none     b
3    c        a(or d, doesn't matter)
4    a        NA

如您所见，a=4 在 b 中只有一个值，因此我希望在输出列“第二”中出现 NA，因为没有第二个最频繁的值。

数据：

a <- c(1,1,1,1,2,2,2,3,3,3,3,4)
b<- c("a","a", "a", "none", "none", "none", "b", "a", "c" , "c",  "d","a")  
d <-  data.frame(a,b)

我目前尝试的是以下

d1 <-  d %>% group_by(a) %>% summarize ( first =names(which.max(table(b)))  , second= names(which.max(table(b)[-which.max(table(b))] )))

但它不能正常工作，有什么想法吗？

Answer 1

您可以为a 和b 组合的count 行数以及a 的每个值选择summarise 中的第一个和第二个值。

library(dplyr)
 d %>%
  count(a, b, sort = TRUE) %>%
  group_by(a) %>%
  summarise(first = b[1],second = b[2])


# A tibble: 4 x 3
#      a first second
#  <dbl> <chr> <chr> 
#1     1 a     none  
#2     2 none  b     
#3     3 c     a     
#4     4 a     NA    

Answer 2

这是data.table的一个选项

library(data.table)
setDT(d)[, .N, .(a, b)][order(N), .(first = first(b), second = b[2]), a]