Contando il numero di elementi con i valori di x in un 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?

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
...

Il modo più diretto è sum(numbers == x).

numbers == xcrea un vettore logico che è VERO in ogni posizione in cui si verifica x, e quando suming, 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).

Probabilmente farei qualcosa del genere

length(which(numbers==x))

Ma davvero, un modo migliore è

table(numbers)

C'è anche count(numbers)dal plyrpacchetto. Molto più conveniente che tablesecondo me.

La mia soluzione preferita utilizza rle, che restituirà un valore (l'etichetta, xnel tuo esempio) e una lunghezza, che rappresenta quante volte quel valore è apparso in sequenza.

Combinando rlecon 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 aun 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'è una funzione standard in R per questo

tabulate(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

ecco un modo veloce e sporco:

x <- 23
length(subset(numbers, numbers==x))

Se si desidera contare il numero di presenze successivamente, è possibile utilizzare la sapplyfunzione:

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 

tableè 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 rleproposta 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 NAè 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 outerper ottenere un metrox di uguaglianze seguito da rowSums, con un significato ovvio.
Per avere i conteggi e numbersnello 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 = `==`))