多列频率表

Question

我有一个包含 16000 行和 2800 个分类列的庞大数据集。我想制作一个矩阵，其中行=变量名和列=标签。我已经尝试过使用表格的应用功能，但我得到的是列表格式的结果。

data= sapply(mydata, table)
output
var1
1               2         3          4        5
1855    8520    1117   1700    2568
var2
-1         - 2      - 3      0       1    2
5642  2634 5218 321 745 605

Answer 1

library(dplyr)

以鸢尾花为例。

str(iris)
   'data.frame':    150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ... 

下面是一个为所有列创建频率表的包装函数，记得用你的数据集替换 iris。

freq <- function (...) {
  iris %>% count(...) %>% arrange(desc(n))
}

使用 apply 将所有列发送到函数频率。

a <- apply(X = iris,MARGIN = 2,freq)

使用 for 循环在（列表对象）中修改单个数据框。

for (i in 1:length(a)) {
  a[[i]]$Column <- names(a[i])
  print(i)
  names(a[[i]]) <- c("Variable","n","Column_name")
}

使用 do.call() 绑定所有行。

final <- do.call(rbind,a) %>% data.frame() %>% select(Column_name,Variable,n)

iris 的最终结果如下。