Ho due colonne in frame di daticonteggio Frequenza di due colonne in R
2010 1
2010 1
2010 2
2010 2
2010 3
2011 1
2011 2
voglio contare la frequenza di entrambe le colonne e ottenere il risultato in questo formato
y m Freq
2010 1 2
2010 2 2
2010 3 1
2011 1 1
2011 2 1
Se i dati sono dataframe df con colonne y e m
library(plyr)
counts <- ddply(df, .(df$y, df$m), nrow)
names(counts) <- c("y", "m", "Freq")
Uso sqldf:
sqldf("SELECT y, m, COUNT(*) as Freq
FROM table1
GROUP BY y, m")
Se si ha una grande cornice di dati con molte colonne o non conosceva i nomi delle colonne di anticipo, qualcosa di simile potrebbe essere utile:
library(reshape2)
df_counts <- melt(table(df))
names(df_counts) <- names(df)
colnames(df_counts)[ncol(df_counts)] <- "count"
df_counts
y m count
1 2010 1 2
2 2011 1 1
3 2010 2 2
4 2011 2 1
5 2010 3 1
6 2011 3 0
library(data.table)
oldformat <- data.table(oldformat) ## your orignal data frame
newformat <- oldformat[,list(Freq=length(m)), by=list(y,m)]
A più versione data.table idiomatica di risposta di @ ugh sarebbe:
library(data.table) # load package
df <- data.frame(y = c(rep(2010, 5), rep(2011,2)), m = c(1,1,2,2,3,1,2)) # setup data
dt <- data.table(df) # transpose to data.table
dt[, list(Freq =.N), by=list(y,m)] # use list to name var directly
Non si tratta di corretto o errato. La risposta è corretta ma forse non così idiomatica. Probabilmente dovresti semplicemente proporre una modifica invece di pubblicare una risposta competitiva. –
Ciao @DavidArenburg, grazie per il feedback. Immagino, mi sono sovraeccitato sulla notazione .N in data.table (anche se mi sembra di ricordare che al momento la risposta di Ugh non sembrava funzionare per me). Su suggerimento ho modificato la risposta di ugh e rimuoverò questa, se le modifiche sono accettate. Ho anche cambiato la parte "errata" nella mia risposta. – Richard
@DavidArenburg - Non modificare una risposta per passare a un'alternativa migliore ([vedi linee guida per la revisione del codice] (http://meta.stackexchange.com/questions/155538/what-are-the-guidelines-for-reviewing/ 155539 # 155539)). Richard, creare la tua risposta era la cosa giusta da fare; – Scopey
non ho visto un dplyr risposta ancora. Il codice è piuttosto semplice.
library(dplyr)
rename(count(df, y, m), Freq = n)
# Source: local data frame [5 x 3]
# Groups: V1 [?]
#
# y m Freq
# (int) (int) (int)
# 1 2010 1 2
# 2 2010 2 2
# 3 2010 3 1
# 4 2011 1 1
# 5 2011 2 1
dati:
df <- structure(list(y = c(2010L, 2010L, 2010L, 2010L, 2010L, 2011L,
2011L), m = c(1L, 1L, 2L, 2L, 3L, 1L, 2L)), .Names = c("y", "m"
), class = "data.frame", row.names = c(NA, -7L))
Non capisco perché questo non è stato offerto, ma si potrebbe anche solo fare 'as.data.frame (tabella (df))' –
L'unico problema con questa soluzione è una vera tabella a campi incrociati, che stampa anche una riga per gli 0. Questo potrebbe esplodere rapidamente se ci sono molti valori m che non sono condivisi dalla maggior parte dei valori y. – pyll