如何计算大型数据集中出现的次数[重复]答案

【问题标题】：How to count number of occurence in a large dataset [duplicate]如何计算大型数据集中出现的次数[重复]
【发布时间】：2019-06-27 04:44:32
【问题描述】：

我正在尝试计算 25 年来我在数据框中拥有的每个“场景”（0 到 9）的出现次数。基本上，我有 10000 个名为 0 到 9 的场景模拟，每个场景都有发生的概率。

我的数据框太大，无法在此处粘贴，但这里是预览：

simulation=as.data.frame(replicate(10000,sample(c(0:9),size=25,replace=TRUE,prob=prob)))

simulation2=transpose(simulation)

注意** prob 是一个向量，带有观察每个场景的概率

   v1 v2 v3 v4 v5 v6 ... v25
1   0  0  4  0  2  0      9
2   1  0  0  2  3  0      6
3   0  4  6  2  0  0      0
4
...
10000

这是我迄今为止尝试过的：

for (i in c(1:25)){
  for (j in c(0:9)){
f=sum(simulation2[,i]==j);
vect_f=c(vect_f,f)
  }
  vect_f=as.data.frame(vect_f)
}

如果我省略“for (i in c(1:25))”，这将返回所需输出的右第一列。现在我试图在 25 年内复制这一点。当我输入第二个“for”时，我没有得到想要的输出。

输出应该是这样的：

      (Year) 1  2  3  4  5  6   ... 25
(Scenario)
   0         649
   1         239
   ...
   9          11

649 是第一年在我的 10 000 次模拟中观察到“场景 0”的次数。

感谢您的帮助

【问题讨论】：

标签： r count sample replicate

【解决方案1】：

我们可以使用table

sapply(simulation2, table)

#    V1   V2   V3   V4   V5 .....
#0 1023 1050  994 1016 1022 .....
#1 1050  968  950 1001  981 .....
#2  997  969 1004  999  949 .....
#3 1031  977 1001  993 1009 .....
#4 1017 1054 1020 1003  985 .....
#......

如果列中缺少某些值，我们可以将数字转换为因子，包括所有 levels

sapply(simulation2, function(x) table(factor(x, levels = 0:9)))

【讨论】：

如果这次我想先模拟 1 年的场景数量（0 到 9），计算 25 年每个场景的数量，然后复制 10 000 次怎么办？
@Jng 对不起，我不明白你的意思。如果你只想计算一列，你可以做table(simulation2[1])
好吧，现在我正在模拟 10 000 个情景 (0:9) 超过 25 年。我想要的是在 25 年的时间里模拟场景的发生（0:9），然后重复 10 000 次。我的输出将是一个数据框 10x1 。 10 是场景 0 到 9 的数量，唯一的列是 25 年以上的发生次数
@Jng 不会只是将rowSums 添加到上述解决方案中吗？ rowSums(sapply(simulation2, function(x) table(factor(x, levels = 0:9)))) 那么呢？它将在所有 25 年中累计出现 0、1、2...。
否，因为每行的总和将超过 10 000

【解决方案2】：

Ronak 的基本 R 答案效果很好，但我认为他的意思是使用模拟而不是模拟2。

sapply(simulation, function(x) table(factor(x, levels = 0:9)))

我尝试使用 dplyr 做同样的事情，因为我发现 tidyverse 代码更具可读性。


simulation %>% 
  rownames_to_column("i") %>% 
  gather(year, scenario, -i) %>% 
  count(year, scenario) %>% 
  spread(year, n, fill = 0)

但是请注意，最后一个选项比 base-R 代码慢一点（在我的机器上使用你的 10 000 行示例大约慢两倍）

【讨论】：