向数据框中添加一列，显示变量的频率。

Question

假设我有这样一个数据框：

  location   species
1  seattle   A
2  buffalo   C
3  seattle   D
4  newark    J
5  boston    Q

我希望在此数据框中添加一列，显示每个位置在数据集中出现的次数，结果如下所示：

  location   species    freq-loc
1  seattle   A          2           #there are 2 entries with location=seattle
2  buffalo   C          1           #there is 1 entry with location=buffalo
3  seattle   D          2
4  newark    J          1
5  boston    Q          1

我知道使用table(data$location)可以给我提供一个列联表。但我不知道如何将表中的每个值映射到数据框中相应的条目。有人能帮忙吗？

---

更新 非常感谢所有的帮助！只是出于兴趣，我进行了一项基准测试，以查看与彼此相比，合并、plyr和ave解决方案的运行情况。测试集是我的原始10 x ~700万数据集的10000行子集。

Unit: milliseconds
expr         min         lq     median        uq       max neval
MERGE 110.877337 111.989406 112.585420 113.51679 120.23588   100
PLYR   26.305645  27.080403  27.576580  27.87157  68.40763   100
AVE     2.994528   3.117255   3.179898   3.35834  10.02955   100

- thesnorlax

Answer 1

这里是使用基本R语言和ave函数的方法。

transform(d, freq.loc = ave(seq(nrow(d)), location, FUN=length))

- Matthew Plourde

Answer 2

我相信很快会有人发布一个（丑陋的;）ave或plyr解决方案，但这里是data.table的解决方案：

library(data.table)
dt = data.table(your_df)

dt[, `freq-loc` := .N, by = location]
# note: using `-quotes around your var name, because of the "-" in the name

- eddi

Answer 3

使用基础表格，然后合并：

merge(data, data.frame(table(location = data$location)), by = "location")
# location species Freq
# 1   boston       Q    1
# 2  buffalo       C    1
# 3   newark       J    1
# 4  seattle       A    2
# 5  seattle       D    2

此外，我听到有人请求plyr。

library(plyr)
join(data, data.frame(table(location = data$location)))
# Joining by: location
# location species Freq
# 1  seattle       A    2
# 2  buffalo       C    1
# 3  seattle       D    2
# 4   newark       J    1
# 5   boston       Q    1

- Jack Ryan

---

我认为“正确”的plyr解决方案是：ddply(df, .(location), mutate, freq.loc = length(location))。 - eddi

我所说的“正确”，至少在plyr框架下，是指“概念上正确”，而不是更快。我不能说我关心它们的速度，因为我坚定地站在“data.table做得更好”的阵营里，但如果你感兴趣，那么你应该去做并发布结果。如果你这样做，最好使用像microbenchmark这样的基准测试包。 - eddi

Answer 4

尝试在列名称中使用破折号会非常麻烦。最好使用下划线或“点”。

dfrm$freq_loc <- ave( as.numeric(dat[[1]]), dat[["location"]] ,
                                                     FUN=length)

我尝试在第一列使用ave而没有使用as.numeric，但出乎意料地收到了与因子水平相关的神秘错误消息。

- IRTFM