Ho un vettore di numeri:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
Come posso avere R contare il numero di volte che un valore x appare nel vettore?
Ho un vettore di numeri:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
Come posso avere R contare il numero di volte che un valore x appare nel vettore?
Risposte:
Puoi semplicemente usare table()
:
> 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
Quindi puoi sottoimpostarlo:
> a[names(a)==435]
435
3
O convertilo in un data.frame se ti senti più a tuo agio nel farlo:
> as.data.frame(table(numbers))
numbers Freq
1 4 2
2 5 1
3 23 2
4 34 2
...
a["435"]
insetead di a[names(a)==435]
?
Il modo più diretto è sum(numbers == x)
.
numbers == x
crea un vettore logico che è VERO in ogni posizione in cui si verifica x, e quando sum
ing, il vettore logico viene forzato in numerico che converte VERO in 1 e FALSO in 0.
Si noti tuttavia che per i numeri in virgola mobile è meglio usare qualcosa come: sum(abs(numbers - x) < 1e-6)
.
x
nei dati piuttosto che uno specifico valore noto di x
. Ad essere sinceri, questo era l'argomento iniziale. Come ho detto nella mia risposta di seguito, "Trovo raro che voglia conoscere la frequenza di un valore e non tutti i valori ..."
Probabilmente farei qualcosa del genere
length(which(numbers==x))
Ma davvero, un modo migliore è
table(numbers)
table(numbers)
farà molto più lavoro della soluzione più semplice sum(numbers==x)
, perché determinerà anche i conteggi di tutti gli altri numeri nell'elenco.
La mia soluzione preferita utilizza rle
, che restituirà un valore (l'etichetta, x
nel tuo esempio) e una lunghezza, che rappresenta quante volte quel valore è apparso in sequenza.
Combinando rle
con sort
, hai un modo estremamente veloce per contare il numero di volte in cui è apparso un valore. Questo può essere utile con problemi più complessi.
Esempio:
> 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 ...
Se il valore desiderato non viene visualizzato o devi memorizzarlo per un momento successivo, crea a
un 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
Trovo raro che voglia conoscere la frequenza di un valore e non tutti i valori, e rle sembra essere il modo più veloce per ottenere il conteggio e memorizzarli tutti.
c(rep('A', 3), rep('G', 4), 'A', rep('G', 2), rep('C', 10))
ritornerebbe values = c('A','G','A','G','C')
e lengths=c(3, 4, 1, 2, 10)
che a volte è utile.
table
sia più veloce when the vector is long
(ho provato 100000) ma leggermente più lungo quando è più corto (ho provato 1000)
C'è una funzione standard in R per questo
tabulate(numbers)
tabulate
è che non è possibile gestire i numeri zero e negativi.
tabulate
. Nota: sort
sembra essere necessarie per il suo corretto utilizzo in generale: tabulate(sort(numbers))
.
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
Se si desidera contare il numero di presenze successivamente, è possibile utilizzare la sapply
funzione:
index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)
Produzione:
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
È possibile modificare il numero come desiderato nella riga seguente
length(which(numbers == 4))
Un altro modo che trovo conveniente è:
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)))
Questo converte il set di dati in fattore e quindi il sommario () ci fornisce i totali del controllo (conteggi dei valori univoci).
L'output è:
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
Questo può essere memorizzato come frame di dati, se preferito.
as.data.frame (cbind (Number = names (s), Freq = s), stringsAsFactors = F, row.names = 1: length (s))
qui row.names è stato usato per rinominare i nomi delle righe. senza usare row.names, i nomi delle colonne in s vengono usati come nomi di riga nel nuovo frame di dati
L'output è:
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
Utilizzando table ma senza confrontarlo con 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
è utile quando si utilizzano più volte i conteggi di diversi elementi. Se hai bisogno di un solo conteggio, usasum(numbers == x)
Esistono diversi modi per contare elementi specifici
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']])
Un metodo che è relativamente veloce su vettori lunghi e fornisce un output conveniente è quello di usare lengths(split(numbers, numbers))
(notare la S alla fine di 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
L'output è semplicemente un vettore denominato.
La velocità appare paragonabile a quella rle
proposta da JBecker e persino un po 'più veloce su vettori molto lunghi. Ecco un microbenchmark in R 3.6.2 con alcune delle funzioni proposte:
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
È importante sottolineare che l'unica funzione che conta anche il numero di valori mancanti NA
è plyr::count
. Questi possono anche essere ottenuti separatamente usandosum(is.na(vec))
Questa è una soluzione molto veloce per i vettori atomici monodimensionali. Si affida match()
, quindi è compatibile con 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
Potresti anche modificare l'algoritmo in modo che non venga eseguito unique()
.
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
Nei casi in cui l'output è desiderabile, probabilmente non è nemmeno necessario che restituisca nuovamente il vettore originale e la seconda colonna è probabilmente tutto ciò di cui hai bisogno. Puoi ottenerlo in una riga con la pipe:
match(x, x) %>% `[`(tabulate(.), .)
#> [1] 3 2 3 2 3 1 2 2
Questo può essere fatto outer
per ottenere un metrox di uguaglianze seguito da rowSums
, con un significato ovvio.
Per avere i conteggi e numbers
nello stesso set di dati, viene prima creato un data.frame. Questo passaggio non è necessario se si desidera input e output separati.
df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))