R - 按模式和目标计算模式和百分比

Question

我正在尝试计算数字列的模式。不是数字的列应该有一个“NA”作为向量中的占位符。我还需要根据目标的百分比。一些示例数据：

c1= c("A", "B", "C", "C", "B", "C", "C") 
c2= factor(c(1, 1, 2, 2,1,2,1), labels = c("Y","N"))
d= as.Date(c("2015-02-01", "2015-02-03","2015-02-01","2015-02-05", "2015-02-03","2015-02-01", "2015-02-03"), format="%Y-%m-%d")
x= c(1,1,2,3,1,2,4) 
y= c(1,2,2,6,2,3,1) 
t= c(1,0,1,1,0,0,1)
df=data.frame(c1, c2, d, x, y,t) 
df

  c1 c2          d x y t
1  A  Y 2015-02-01 1 1 1
2  B  Y 2015-02-03 1 2 0
3  C  N 2015-02-01 2 2 1
4  C  N 2015-02-05 3 6 1
5  B  Y 2015-02-03 1 2 0
6  C  N 2015-02-01 2 3 0
7  C  Y 2015-02-03 4 1 1

我需要每个数字列的模式：

mode=as.numeric(c("NA","NA", "NA", 1,2,1))
mode
[1] NA NA NA  1  2  1

当列中的值 == 模式时，t==1 的行百分比向量

[1] NA NA NA  0.33  0.33  

当列 != 模式中的值时，t==1 的行百分比向量

[1] NA NA NA  0.75  0.75

我如何计算这样的向量？

我发现的最佳模式是：

library(plyr)

mode_fun <- function(x) {
  mode0 <- names(which.max(table(x)))
  if(is.numeric(x)) return(as.numeric(mode0))
  mode0
}
kdf_mode=apply(kdf,2, numcolwise(mode_fun))

但如果有任何非数字列，则会出错。

Answer 1

我们可以使用sapply 循环'df' 的列，应用mode_fun 得到输出vector ('v1')。我们使用if/else 条件为非数字列返回NA。

 v1 <- unname(sapply(df, function(x) if(!is.numeric(x)) NA else mode_fun(x)))
 v1
 #[1] NA NA NA  1  2  1

对于第二种情况（我想我们不需要第 6 列，即“t”）。我们使用sapply 遍历'df' 的列，使用if/else 条件。在else 条件中，我们比较mode 值是否等于列值（mode_fun(x)==x)）。我们使用& 来获取等于mode 的值的逻辑索引，该索引对应于t==1。获取sum 并除以sum(v1)。

unname(sapply(df[-6], function(x) if(!is.numeric(x)) {
            NA
            } else {
                v1 <- mode_fun(x)==x
                sum(v1 & t==1)/sum(v1) 
  } ))
 #[1]        NA        NA        NA 0.3333333 0.3333333

对于第三个，我们更改条件以获取列不等于mode 的逻辑索引。与前一种情况相同。

unname(sapply(df[-6], function(x) if(!is.numeric(x)){
         NA 
         } else {
              v1 <- mode_fun(x)!=x
              sum(v1 & t==1)/sum(v1)
   } ))
 #[1]   NA   NA   NA 0.75 0.75

---

在我们计算 'v1' 之后，这也可以在不使用 sapply 循环的情况下完成。我们创建一个逻辑索引，其中 class 列是“数字”，而列名不是“t”（“indx”）。

indx <- sapply(df, is.numeric) &  names(df)!='t'

我们根据“indx”（df[indx]、v1[indx]）对“df”和“v1”进行子集化，通过使用col 复制vector 来确定长度。 col 给出了df[indx] 中列的数字索引。然后我们检查子集数据集是否等于vector，以给出一个逻辑矩阵。

indx1 <- df[indx]==v1[indx][col(df[indx])] 

和前面的代码一样，我们使用&来检查'indx1'中的TRUE值是否也对应于't==1. DocolSums, divide by thecolSumsof 'indx1', and concatenate (c) with theNA `'v1' 的元素

unname(c(v1[is.na(v1)], colSums(indx1& t==1)/colSums(indx1)))
#[1]        NA        NA        NA 0.3333333 0.3333333

同样，我们可以通过改变条件来创建'indx2'，然后像以前一样做colSums

indx2 <- df[indx]!=v1[indx][col(df[indx])] 
unname(c(v1[is.na(v1)], colSums(indx2& t==1)/colSums(indx2)))
#[1]   NA   NA   NA 0.75 0.75