Ik heb een vector van getallen:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
Hoe kan ik R het aantal keren laten tellen dat een waarde xin de vector voorkomt?
Antwoord 1, autoriteit 100%
Je kunt gewoon table()
gebruiken:
> a <- table(numbers)
> a
numbers
4 5 23 34 43 54 56 65 67 324 435 453 456 567 657
2 1 2 2 1 1 2 1 2 1 3 1 1 1 1
Dan kun je het subsetten:
> a[names(a)==435]
435
3
Of converteer het naar een data.frame als u daar meer vertrouwd mee bent:
> as.data.frame(table(numbers))
numbers Freq
1 4 2
2 5 1
3 23 2
4 34 2
...
Antwoord 2, autoriteit 50%
De meest directe manier is sum(numbers == x)
.
numbers == x
creëert een logische vector die WAAR is op elke locatie waar x voorkomt, en wanneer sum
ing, wordt de logische vector gedwongen tot numeriek wat WAAR converteert naar 1 en ONWAAR naar 0.
Houd er echter rekening mee dat het voor getallen met drijvende komma beter is om zoiets te gebruiken als: sum(abs(numbers - x) < 1e-6)
.
Antwoord 3, autoriteit 13%
Ik zou waarschijnlijk zoiets doen
length(which(numbers==x))
Maar echt, een betere manier is
table(numbers)
4, Autoriteit 6%
My Preferred Solution gebruikt rle
, die een waarde retourneert (het etiket, x
in uw voorbeeld) en een lengte, die weergeeft hoe vaak die waarde verscheen volgorde.
Door rle
te combineren met sort
, hebt u een extreem snelle manier om het aantal keren dat elke waarde verscheen is. Dit kan nuttig zijn met meer complexe problemen.
Voorbeeld:
> numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,324,34,456,56,567,65,34,435)
> a <- rle(sort(numbers))
> a
Run Length Encoding
lengths: int [1:15] 2 1 2 2 1 1 2 1 2 1 ...
values : num [1:15] 4 5 23 34 43 54 56 65 67 324 ...
Als de waarde die u wilt niet verschijnt, of u die waarde voor later wilt opslaan, maakt u a
A data.frame
.
> b <- data.frame(number=a$values, n=a$lengths)
> b
values n
1 4 2
2 5 1
3 23 2
4 34 2
5 43 1
6 54 1
7 56 2
8 65 1
9 67 2
10 324 1
11 435 3
12 453 1
13 456 1
14 567 1
15 657 1
Ik vind het zeldzaam dat ik de frequentie van één waarde wil weten en niet alle waarden, en Rle lijkt de snelste manier te zijn om te tellen en ze allemaal op te slaan.
5, Autoriteit 4%
Er is een standaardfunctie in R voor dat
tabulate(numbers)
6, Autoriteit 2%
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435 453,435,324,34,456,56,567,65,34,435)
> length(grep(435, numbers))
[1] 3
> length(which(435 == numbers))
[1] 3
> require(plyr)
> df = count(numbers)
> df[df$x == 435, ]
x freq
11 435 3
> sum(435 == numbers)
[1] 3
> sum(grepl(435, numbers))
[1] 3
> sum(435 == numbers)
[1] 3
> tabulate(numbers)[435]
[1] 3
> table(numbers)['435']
435
3
> length(subset(numbers, numbers=='435'))
[1] 3
7, Autoriteit 2%
Als u het aantal verschijningen vervolgens wilt tellen, kunt u gebruik maken van de sapply
functie:
index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)
Uitgang:
numbers index
[1,] 4 1
[2,] 23 1
[3,] 4 2
[4,] 23 2
[5,] 5 1
[6,] 43 1
[7,] 54 1
[8,] 56 1
[9,] 657 1
[10,] 67 1
[11,] 67 2
[12,] 435 1
[13,] 453 1
[14,] 435 2
[15,] 324 1
[16,] 34 1
[17,] 456 1
[18,] 56 2
[19,] 567 1
[20,] 65 1
[21,] 34 2
[22,] 435 3
8, Autoriteit 2%
Hier is een snelle en vuile manier:
x <- 23
length(subset(numbers, numbers==x))
9
U kunt het nummer wijzigen in wat u wenst in de volgende lijn
length(which(numbers == 4))
Antwoord 10
Een andere manier die ik handig vind, is:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,324,34,456,56,567,65,34,435)
(s<-summary (as.factor(numbers)))
Dit converteert de dataset naar factor, en vervolgens geeft samenvatting() ons de controletotalen (tellingen van de unieke waarden).
Uitvoer is:
4 5 23 34 43 54 56 65 67 324 435 453 456 567 657
2 1 2 2 1 1 2 1 2 1 3 1 1 1 1
Dit kan indien gewenst als dataframe worden opgeslagen.
as.data.frame(cbind(Number = name(s),Freq = s), stringsAsFactors=F, row.names = 1:length(s))
hier is row.names gebruikt om rijnamen te hernoemen.
zonder gebruik te maken van row.names, worden kolomnamen in s gebruikt als rijnamen in een nieuw dataframe
Uitvoer is:
Number Freq
1 4 2
2 5 1
3 23 2
4 34 2
5 43 1
6 54 1
7 56 2
8 65 1
9 67 2
10 324 1
11 435 3
12 453 1
13 456 1
14 567 1
15 657 1
Antwoord 11
Tabel gebruiken maar niet vergelijken met names
:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435)
x <- 67
numbertable <- table(numbers)
numbertable[as.character(x)]
#67
# 2
table
is handig wanneer u de tellingen van verschillende elementen meerdere keren gebruikt. Als je maar één telling nodig hebt, gebruik dan sum(numbers == x)
Antwoord 12
Er zijn verschillende manieren om een bepaald element te tellen
library(plyr)
numbers =c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,7,65,34,435)
print(length(which(numbers==435)))
#Sum counts number of TRUE's in a vector
print(sum(numbers==435))
print(sum(c(TRUE, FALSE, TRUE)))
#count is present in plyr library
#o/p of count is a DataFrame, freq is 1 of the columns of data frame
print(count(numbers[numbers==435]))
print(count(numbers[numbers==435])[['freq']])
Antwoord 13
Dit is een zeer snelle oplossing voor eendimensionale atomaire vectoren. Het is gebaseerd op match()
, dus het is compatibel met NA
:
x <- c("a", NA, "a", "c", "a", "b", NA, "c")
fn <- function(x) {
u <- unique.default(x)
out <- list(x = u, freq = .Internal(tabulate(match(x, u), length(u))))
class(out) <- "data.frame"
attr(out, "row.names") <- seq_along(u)
out
}
fn(x)
#> x freq
#> 1 a 3
#> 2 <NA> 2
#> 3 c 2
#> 4 b 1
U kunt het algoritme ook aanpassen zodat het niet unique()
uitvoert.
fn2 <- function(x) {
y <- match(x, x)
out <- list(x = x, freq = .Internal(tabulate(y, length(x)))[y])
class(out) <- "data.frame"
attr(out, "row.names") <- seq_along(x)
out
}
fn2(x)
#> x freq
#> 1 a 3
#> 2 <NA> 2
#> 3 a 3
#> 4 c 2
#> 5 a 3
#> 6 b 1
#> 7 <NA> 2
#> 8 c 2
In gevallen waar die uitvoer wenselijk is, heb je deze waarschijnlijk niet eens nodig om de originele vector terug te geven, en de tweede kolom is waarschijnlijk alles wat je nodig hebt. Je kunt dat in één regel krijgen met de pijp:
match(x, x) %>% `[`(tabulate(.), .)
#> [1] 3 2 3 2 3 1 2 2
Antwoord 14
Een methode die relatief snel is op lange vectoren en een gemakkelijke uitvoer geeft, is het gebruik van lengths(split(numbers, numbers))
(let op de Saan het einde van lengths
):
# Make some integer vectors of different sizes
set.seed(123)
x <- sample.int(1e3, 1e4, replace = TRUE)
xl <- sample.int(1e3, 1e6, replace = TRUE)
xxl <-sample.int(1e3, 1e7, replace = TRUE)
# Number of times each value appears in x:
a <- lengths(split(x,x))
# Number of times the value 64 appears:
a["64"]
#~ 64
#~ 15
# Occurences of the first 10 values
a[1:10]
#~ 1 2 3 4 5 6 7 8 9 10
#~ 13 12 6 14 12 5 13 14 11 14
De uitvoer is gewoon een benoemde vector.
De snelheid lijkt vergelijkbaar met rle
voorgesteld door JBeckeren zelfs een beetje sneller op zeer lange vectoren. Hier is een microbenchmark in R 3.6.2met enkele van de voorgestelde functies:
library(microbenchmark)
f1 <- function(vec) lengths(split(vec,vec))
f2 <- function(vec) table(vec)
f3 <- function(vec) rle(sort(vec))
f4 <- function(vec) plyr::count(vec)
microbenchmark(split = f1(x),
table = f2(x),
rle = f3(x),
plyr = f4(x))
#~ Unit: microseconds
#~ expr min lq mean median uq max neval cld
#~ split 402.024 423.2445 492.3400 446.7695 484.3560 2970.107 100 b
#~ table 1234.888 1290.0150 1378.8902 1333.2445 1382.2005 3203.332 100 d
#~ rle 227.685 238.3845 264.2269 245.7935 279.5435 378.514 100 a
#~ plyr 758.866 793.0020 866.9325 843.2290 894.5620 2346.407 100 c
microbenchmark(split = f1(xl),
table = f2(xl),
rle = f3(xl),
plyr = f4(xl))
#~ Unit: milliseconds
#~ expr min lq mean median uq max neval cld
#~ split 21.96075 22.42355 26.39247 23.24847 24.60674 82.88853 100 ab
#~ table 100.30543 104.05397 111.62963 105.54308 110.28732 168.27695 100 c
#~ rle 19.07365 20.64686 23.71367 21.30467 23.22815 78.67523 100 a
#~ plyr 24.33968 25.21049 29.71205 26.50363 27.75960 92.02273 100 b
microbenchmark(split = f1(xxl),
table = f2(xxl),
rle = f3(xxl),
plyr = f4(xxl))
#~ Unit: milliseconds
#~ expr min lq mean median uq max neval cld
#~ split 296.4496 310.9702 342.6766 332.5098 374.6485 421.1348 100 a
#~ table 1151.4551 1239.9688 1283.8998 1288.0994 1323.1833 1385.3040 100 d
#~ rle 399.9442 430.8396 464.2605 471.4376 483.2439 555.9278 100 c
#~ plyr 350.0607 373.1603 414.3596 425.1436 437.8395 506.0169 100 b
Belangrijk is dat de enige functie die ook het aantal ontbrekende waarden NA
telt, is plyr::count
. Deze kunnen ook afzonderlijk worden verkregen met sum(is.na(vec))
Antwoord 15
Een optie zou kunnen zijn om de functie vec_count()
te gebruiken uit de bibliotheek vctrs
:
vec_count(numbers)
key count
1 435 3
2 67 2
3 4 2
4 34 2
5 56 2
6 23 2
7 456 1
8 43 1
9 453 1
10 5 1
11 657 1
12 324 1
13 54 1
14 567 1
15 65 1
De standaardvolgorde plaatst de meest voorkomende waarden bovenaan. Als u zoekt naar sorteren op sleutels (een table()
-achtige uitvoer):
vec_count(numbers, sort = "key")
key count
1 4 2
2 5 1
3 23 2
4 34 2
5 43 1
6 54 1
7 56 2
8 65 1
9 67 2
10 324 1
11 435 3
12 453 1
13 456 1
14 567 1
15 657 1
Antwoord 16
Hier is een manier om het met dplyr te doen:
library(tidyverse)
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
ord <- seq(1:(length(numbers)))
df <- data.frame(ord,numbers)
df <- df %>%
count(numbers)
numbers n
<dbl> <int>
1 4 2
2 5 1
3 23 2
4 34 2
5 43 1
6 54 1
7 56 2
8 65 1
9 67 2
10 324 1
11 435 3
12 453 1
13 456 1
14 567 1
15 657 1
Antwoord 17
Dit kan gedaan worden met outer
om een metriek van gelijkheden te krijgen, gevolgd door rowSums
, met een voor de hand liggende betekenis.
Om de tellingen en numbers
in dezelfde dataset te hebben, wordt eerst een data.frame gemaakt. Deze stap is niet nodig als u aparte invoer en uitvoer wilt.
df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))
Antwoord 18
Je kunt een functie maken om je resultaten te geven.
# your list
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
function1<-function(x){
if(x==value){return(1)}else{ return(0) }
}
# set your value here
value<-4
# make a vector which return 1 if it equal to your value, 0 else
vector<-sapply(numbers,function(x) function1(x))
sum(vector)
resultaat: 2