获取 dplyr 管道结构中最常出现的因子级别

Question

我希望能够在使用 dplyr 的管道结构时找到数据集中某个因子中出现频率最高的级别。当被另一个变量分组时，我正在尝试创建一个包含“模态”因子级别的新变量。

这是我正在寻找的示例：

df <- data.frame(cat = stringi::stri_rand_strings(100, 1, '[A-Z]'), num = floor(runif(100, min=0, max=500)))
df <- df %>%
            dplyr::group_by(cat) %>%
            dplyr::mutate(cat_mode = Mode(num))

“模式”是我正在寻找的功能

Answer 1

使用table 统计项目，然后使用which.max 找出最频繁的一项：

df %>%
    group_by(cat) %>%
    mutate(cat_mode = names(which.max(table(num)))) %>% 
    head()

# A tibble: 6 x 3
# Groups: cat [4]
#  cat      num cat_mode
#  <fctr> <dbl> <chr>   
#1 Q      305   138     
#2 W       34.0 212     
#3 R       53.0 53      
#4 D      395   5       
#5 W      212   212     
#6 Q      417   138  
# ...

Answer 2

与Is there a built-in function for finding the mode?类似的问题

Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

df %>% 
  group_by(cat) %>% 
  mutate(cat_mode = Mode(num))

# A tibble: 100 x 3
# Groups:   cat [26]
   cat     num cat_mode
   <fct> <dbl>    <dbl>
 1 S        25       25
 2 V        86      478
 3 R       335      335
 4 S       288       25
 5 S       330       25
 6 Q       384      384
 7 C       313      313
 8 H       275      275
 9 K       274      274
10 J        75       75
# ... with 90 more rows

查看每个因素

df %>% 
  group_by(cat) %>% 
  summarise(cat_mode = Mode(num))

 A tibble: 26 x 2
   cat   cat_mode
   <fct>    <dbl>
 1 A          480
 2 B          380
 3 C          313
 4 D          253
 5 E          202
 6 F           52
 7 G          182
 8 H          275
 9 I          356
10 J           75
# ... with 16 more rows