Tìm sự kết hợp giá trị thường xuyên nhất trong một data.frame

Question

Tôi muốn tìm sự kết hợp các giá trị thường xuyên nhất trong một data.frame.

Dưới đây là một số ví dụ dữ liệu:

dat <- data.frame(age=c(50,55,60,50,55),sex=c(1,1,1,0,1),bmi=c(20,25,30,20,25)) 

Trong ví dụ này là kết quả Tôi đang tìm kiếm là sự kết hợp của tuổi = 55 tuổi, quan hệ tình dục = 1 và bmi = 25, vì đó là sự kết hợp thường gặp nhất của cột giá trị.

Dữ liệu thực của tôi có khoảng 30000 hàng và 20 cột. Điều gì sẽ là một cách hiệu quả để tìm ra sự kết hợp phổ biến nhất trong số 20 giá trị này trong số 30000 quan sát?

Rất cám ơn!

Answer 1

Dưới đây là một cách tiếp cận với data.table:

dt <- data.table(dat) 
setkeyv(dt, names(dt)) 
dt[, .N, by = key(dt)] 
dt[, .N, by = key(dt)][N == max(N)] 
# age sex bmi N 
# 1: 55 1 25 2 

Và một cách tiếp cận với cơ sở R:

x <- data.frame(table(dat)) 
x[x$Freq == max(x$Freq), ] 
# age sex bmi Freq 
# 11 55 1 25 2 

Tôi cũng không biết như thế nào trong số này quy mô tuy nhiên, đặc biệt là nếu số lượng kết hợp sẽ lớn. Vì vậy, kiểm tra lại và báo cáo!

---

Thay x$Freq == max(x$Freq) với which.max(x$Freq) và N == max(N) với which.max(N) nếu bạn đang thực sự chỉ quan tâm đến một dãy kết quả.

Answer 2

Một cái gì đó như thế này ??

> dat[duplicated(dat), ] 
    age sex bmi 
5 55 1 25 

sử dụng while (có thể tốn thời gian)

Đây là một data.frame với hơn 1 trường hợp nhân đôi

> dat <- data.frame(age=c(50,55,60,50,55, 55, 60), 
        sex=c(1,1,1,0,1, 1,1), 
        bmi=c(20,25,30,20,25, 25,30)) 
> dat[duplicated(dat), ] # see data.frame 
     age sex bmi 
    5 55 1 25 
    6 55 1 25 
    7 60 1 30 


# finding the most repeated item 
> while(any(duplicated(dat))){ 
    dat <- dat[duplicated(dat), ] 
    #print(dat) 
} 

> print(dat) 
    age sex bmi 
6 55 1 25 

Answer 3

Các giải pháp nhanh chóng và dơ bẩn. Tôi chắc chắn có một cách fancier để nó mặc dù, với gói plyr hoặc tương tự.

> (tab <- table(apply(dat, 1, paste, collapse=", "))) 
50, 0, 20 50, 1, 20 55, 1, 25 60, 1, 30 
     1   1   2   1 

> names(which.max(tab)) 
[1] "55, 1, 25"