R中的模式按组答案

【问题标题】：Mode in R by groupsR中的模式按组
【发布时间】：2014-11-05 14:43:20
【问题描述】：

我需要为每个年龄组计算一个身份号码的众数。让我们假设下表：

library(data.table)
DT = data.table(age=c(12,12,3,3,12),v=rnorm(5), number=c("122","125","5","5","122"))

所以我创建了一个函数：

g <- function(number) {
      ux <- unique(number)
      ux[which.max(tabulate(match(number, ux)))]
    }
H<-function(tabla){data.frame(MODA=g, count=nrow(tabla))}
clasif_edad1<-ddply(DF,.(age), H)
View(clasif_edad1)

但我得到以下错误：

Error: arguments imply differing number of rows: 0, 1

输出应该是：

age      v    number moda
12  0,631152199 122 122
12  0,736648714 125 122
3   0,545921527 5   5
3   0,59336284  5   5
12  0,836685437 122 122

不知道是什么问题。

谢谢

【问题讨论】：

你的功能有点不清楚。你能显示你想要的输出吗？同样，没有任何理由将data.table 转换为data.frame，然后使用plyr。 data.table 是 R 之王，按原样使用
如果你想让我们重现你的专栏v，你需要使用set.seed，因为rnorm每次运行都会生成一个随机种子

标签： r function mode

【解决方案1】：

一种方法：

> myfun <- function(x) unique(x)[which.max(table(x))]
> DT[ , moda := myfun(number), by = age]
> DT
   age          v number moda
1:  12 -0.9740026    122  122
2:  12  0.6893727    125  122
3:   3 -0.9558391      5    5
4:   3 -1.2317071      5    5
5:  12 -0.9568919    122  122

【讨论】：

这似乎是使用data.table 的惯用方式。
我正在处理大约 4MM 行的数据，这需要很长时间才能运行 - 按组查找 ~4 个值的模式增加了我创建所需的时间一个新的数据表，其中约 10 个其他变量乘以 6 倍。有没有办法更有效地找到模式？现在我的计划是要么减少采样，要么让程序在一夜之间运行。
@verybadatthis 我想R中没有更快的方法，
实际上，我写完这篇文章后，found a somewhat faster way detailed here 和你在这里做的很相似，只是稍微矢量化和分裂了。

【解决方案2】：

您可以为此使用dplyr：

library(dplyr)
modes_by_age <- summarise(group_by(DT, age), group_mode = g(number))
inner_join(DT, modes_by_age)

这给出了你想要的输出：

Source: local data table [5 x 4]

  age         v number group_mode
1   3 0.5524352      5          5
2   3 0.2869912      5          5
3  12 0.8987475    122        122
4  12 0.9740715    125        122
5  12 2.5058450    122        122

【讨论】：

【解决方案3】：

这是一个基本的 R 解决方案。您可以计算每个组的模式，然后与原始数据合并：

merge(DT, setNames(aggregate(number~age, data=DT, g), c("age", "moda")), by="age")
#    age          v number moda
# 1:   3  1.7148357      5    5
# 2:   3  0.9504811      5    5
# 3:  12 -0.7648237    122  122
# 4:  12  0.9011115    125  122
# 5:  12 -0.8718779    122  122

可能有一种特定于数据表的方法，但即使 DT 是一个数据框，它也可以工作。

【讨论】：

【解决方案4】：

modef <- function(V)
{ 
k = 1
prev='xxxx'
max_value = 0
for (i in V)
{
if (prev == i)
{ 
k = k+1
}
else
{
if (k > max_value) 
{
MODE_CALC = data.frame( 
number = c(prev) , 
occurence = c(k) )
max_value = k
k = 1
}
k = 1
}
prev = i
}
print(MODE_CALC$number)
}
V = c(11, 11, 11, 11, 12, 12, 2, 2, 2, 2, 2, 2, 14, 14, 14, 15, 16, 17, 17, 17 ,17 , 
17, 18, 19)    
modef(sort(V))

【讨论】：