如何在R中对一个分组求众数

Question

我想比较两个不同索赔付款人的CPT代码成本。它们都有Par和Non-Par定价的提供者。我正在使用dplyr和modeest::mlv，但结果不如预期。这是一些样本数据;

source CPTCode ParNonPar Key         net_paid  PaidFreq seq
ABC   100       Y      ABC100Y  -341.00     6   1
ABC   100       Y      ABC100Y     0.00     2   2
ABC   100       Y      ABC100Y   341.00     6   3
XYZ   103       Y      XYZ103Y   740.28     1   1
XYZ   104       N      XYZ104N     0.00     2   1
XYZ   104       N      XYZ104N   401.82     1   2
XYZ   104       N      XYZ104N   726.18     1   3
XYZ   104       N      XYZ104N   893.00     1   4
XYZ   104       N      XYZ104N   928.20     2   5
XYZ   104       N      XYZ104N   940.00     2   6

和代码

str(data)
View(data)

## Expand frequency count to individual observations
n.times <- data$PaidAmounts
dataObs <- data[rep(seq_len(nrow(data)), n.times),]

## Calculate mean for each CPTCode (for mode use modeest library)
library(dplyr)
library(modeest)
dataSummary <- dataObs %>%
  group_by(ParNonPar, CPTCode) %>%
  summarise(mean = mean(net_paid),
            median=median(net_paid),
            mode = mlv(net_paid, method=mfv),
            total = sum(net_paid))
str(dataSummary)                     

我原以为可以在汇总函数中使用平均值和中位数来加载modeest，但这个公式会出错，提示如下： Error in as.character(x) : cannot coerce type 'closure' to vector of type 'character' 没有mlv时，我得到的df是这样的，但我想要的是将一个payer cpt的所有统计信息放在一行上。我打算通过限制x和y段来在箱线图中绘制它，一旦我在一行上得到我需要的东西

不太充分的答案是这个（我忘记在这里写payer名称了！）

ParNonPar   CPTCode mean          median(net_paid)  total
N           0513F   0.000000    0.000           0.00
N           0518F   0.000000    0.000           0.00 
N           10022   0.000000    0.000           0.00
N           10060   73.660000   90.120        294.64
N           10061   324.575000  340.500      1298.30
N           10081   312.000000  312.000       312.00

thanks very much for your time and effort.

- drew

Answer 1

我采用这种方法：

df <- data.frame(groups = c("A", "A", "A", "B", "B", "C", "C", "C", "D"), nums = c("1", "2", "1", "2", "3", "4", "5", "5", "1"))

看起来像：

 groups nums
  A    1
  A    2
  A    1
  B    2
  B    3
  C    4
  C    5
  C    5
  D    1

然后我定义：

mode <- function(codes){
  which.max(tabulate(codes))
}

并执行以下操作：

mds <- df %>%
  group_by(groups) %>%
  summarise(mode = mode(nums))

给予：

  groups  mode
 A          1
 B          2
 C          5
 D          1

- orrymr

---

如果你有因子数据并希望使用因子标签来计算众数，你可以采用以下方法： mode <- function(x) { names(which.max(table(x))) } - Jeffrey Girard

值得一提的是，该解决方案可能源自此线程：https://dev59.com/UXE85IYBdhLWcg3w64EA - Mikko

Answer 2

你需要对你的代码进行一些更改才能让mlv工作。

1. 方法（mfv）必须用引号括起来（'mfv'）。这是导致错误的原因。
2. 在你做完这个之后，由于mlv返回一个列表，你需要向summarise()提供一个值。假设你想要的是众数（'M'），那么就从列表中选择该元素。

尝试：

dataSummary <- dataObs %>%
  group_by(ParNonPar, CPTCode) %>%
  summarise(mean = mean(net_paid), 
            meadian=median(net_paid), 
            mode = mlv(net_paid, method='mfv')[['M']], 
            total = sum(net_paid))

获取：

> dataSummary
Source: local data frame [3 x 6]
Groups: ParNonPar

  ParNonPar CPTCode     mean meadian     mode   total
1         N     104 639.7111  893.00 622.7333 5757.40
2         Y     100   0.0000    0.00   0.0000    0.00
3         Y     103 740.2800  740.28 740.2800  740.28

希望这有助于您前进。

- Ram Narasimhan