每行获取最常见的值并考虑并列情况

Question

样例数据：

df <- data.frame("ID" = 1:6, 
                 "Group1" = c("A", NA, "C", NA, "E", "C"), 
                 "Group2" = c("E", "C", "C", NA, "E", "E"),
                 "Group3" = c("A", "A", NA, NA, "C", NA),
                 "Group4" = c(NA, "C", NA, "D", "C", NA),
                 "Group5" = c("A", "D", NA, NA, NA, NA))

在每一行中，我想要计算每个值的数量，并将最常见的值存储在一个新变量New.Group中。在出现平局情况下，应选择该行中第一个出现的值。逻辑应用于以下示例：

第一行的New.Group取值A，因为它是该行中最常见的值，忽略了NA。

第二行取值C，因为它也是最常见的值。

第三行与第二行相同。

第四行取值D，因为它是该行中唯一的值。

在第五行中，E和C都有2次计数，但由于E在该行中先出现，所以选择E。

第六行类似于第五行，C和E的计数都是1次，但由于C在该行中先出现，所以选择C。

期望的输出：

  ID Group1 Group2 Group3 Group4 Group5 New.Group
1  1      A      E      A   <NA>      A         A
2  2   <NA>      C      A      C      D         C
3  3      C      C   <NA>   <NA>   <NA>         C
4  4   <NA>   <NA>   <NA>      D   <NA>         D
5  5      E      E      C      C   <NA>         E
6  6      C      E   <NA>   <NA>   <NA>         C

- Laura

---

列的优先级是如何定义的？ - tmfmnk

第一列比第二列更重要，第二列比第三列重要，以此类推。 - Laura

相关但似乎没有处理“_在出现结论的情况下，选择第一个值_”：按行查找最频繁的值 - Henrik

@Henrik，针对我们内部的一个软件包，我已经编写了rowMode函数，您可以在其中设置该函数在处理并列值和缺失值时应该执行的操作。在这里发布了它。 - Jaap

谢谢你提醒我，@Jaap。太好了！ - Henrik

Answer 1

我认为这可以达到您所寻求的目标。对于每一行，它创建了一个字母频率表并选择最大值，同时保留列顺序以处理平局。然后返回此表中第一列的名称。

感谢 Henrik 提出的改进建议。

df$New.Group <- apply(df[-1], 1, function(x) {
names(which.max(table(factor(x, unique(x)))))
})

df
#>   ID Group1 Group2 Group3 Group4 Group5 New.Group
#> 1  1      A      E      A   <NA>      A         A
#> 2  2   <NA>      C      A      C      D         C
#> 3  3      C      C   <NA>   <NA>   <NA>         C
#> 4  4   <NA>   <NA>   <NA>      D   <NA>         D
#> 5  5      E      E      C      C   <NA>         E
#> 6  6      C      E   <NA>   <NA>   <NA>         C

- Allan Cameron

---

@Henrik 是的，那样更好。我以为我已经尝试过并因某种原因拒绝了它，但我认为它在逻辑上是相同的（而且更整洁）。谢谢。 - Allan Cameron

它也考虑到了平局。 - Laura

Answer 2

使用dplyr和vctrs，可以使用vec_count()中的location参数（按键第一次出现的位置排序）来实现以下选项：

df %>%
 rowwise() %>%
 mutate(New.Group = na.omit(vec_count(c_across(starts_with("Group")), "location")) %>%
         slice_max(count, with_ties = FALSE) %>%
         pull(key))

     ID Group1 Group2 Group3 Group4 Group5 New.Group
  <int> <fct>  <fct>  <fct>  <fct>  <fct>  <fct>    
1     1 A      E      A      <NA>   A      A        
2     2 <NA>   C      A      C      D      C        
3     3 C      C      <NA>   <NA>   <NA>   C        
4     4 <NA>   <NA>   <NA>   D      <NA>   D        
5     5 E      E      C      C      <NA>   E        
6     6 C      E      <NA>   <NA>   <NA>   C 

或者：

df %>%
 rowwise() %>%
 mutate(New.Group = names(which.max(with(na.omit(vec_count(c_across(starts_with("Group")), "location")), setNames(count, key)))))

- tmfmnk

Answer 3

我们可以使用 Mode 函数。

Mode <- function(x) {
   ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
 }

df$New.Group <- apply(df[-1], 1, FUN = function(x) Mode(na.omit(x)))
df$New.Group
#[1] "A" "C" "C" "D" "E" "C"

- akrun