因子を含む複数の列にわたって最も頻繁に値を見つける方法

Question

私はまだRの方が新しいので、あまりにも基本的に思えば、事前に謝罪しています。次のように

私の問題は、次のとおりです。

私は同じカテゴリを持っているいくつかの要因変数を含むデータセットを持っています。私は、カテゴリー変数を横切る各観測について最も頻繁に発生するカテゴリーを見つける必要があります。結びつきの場合は、任意の値を選択することができますが、私がそれ以上の制御権を持つことができれば幸いです。

私のデータセットには10​​0以上の要素が含まれています。溶液は、各行の最も頻繁なカテゴリーを含ん例えばVAR5、のために、データフレーム内で可変であるべきである

id <- 1:3 
var1 <- c("red","yellow","green") 
var2 <- c("red","yellow","green") 
var3 <- c("yellow","orange","green") 
var4 <- c("orange","green","yellow") 
df <- data.frame(cbind(id, var1, var2, var3, var4)) 


> df 
    id var1 var2 var3 var4 
1 1 red red yellow orange 
2 2 yellow yellow orange green 
3 3 green green green yellow 

：ただし、構造は、そのようなものです。

> df$var5 
[1] "red" "yellow" "green" 

どれでもアドバイスは次のようになります。それは、私はこのソリューションを持っていると思います。この場合

（データは数値ベクトルに最初に変換する必要がある場合には）因子または数値のベクターであり得ますとても有難い！前もって感謝します！以下のような

Answer 1

何か：場合

apply(df,1,function(x) names(which.max(table(x)))) 
[1] "red" "yellow" "green" 

最初の最大値をとるwhich.maxネクタイ、そこにあります。 which.maxヘルプページから：

場所を決定し、すなわち、数値ベクトルの（最初の） 最小値または最大値のインデックス。

例：

var4 <- c("yellow","green","yellow") 
df <- data.frame(cbind(id, var1, var2, var3, var4)) 

> df 
    id var1 var2 var3 var4 
1 1 red red yellow yellow 
2 2 yellow yellow orange green 
3 3 green green green yellow 

apply(df,1,function(x) names(which.max(table(x)))) 
[1] "red" "yellow" "green" 

Answer 2

あなたのデータはあなたがdata.tableパッケージを使用して検討する必要があり、非常に大きい場合。

# Generate the data 
nrow <- 10^5 
id <- 1:nrow 
colors <- c("red","yellow","green") 
var1 <- sample(colors, nrow, replace = TRUE) 
var2 <- sample(colors, nrow, replace = TRUE) 
var3 <- sample(colors, nrow, replace = TRUE) 
var4 <- sample(colors, nrow, replace = TRUE) 

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

Chargaffの解決策は単純であり、いくつかのケースではうまく動作します。 data.tableを使用すると、わずかなパフォーマンス向上（〜20％）が得られます。

df <- data.frame(cbind(id, var1, var2, var3, var4)) 
system.time(apply(df, 1, Mode)) 
# user system elapsed 
# 1.242 0.018 1.264 

library(data.table) 
dt <- data.table(cbind(id, var1, var2, var3, var4)) 
system.time(melt(dt, measure = patterns('var'))[, Mode(value1), by = id]) 
# user system elapsed 
# 1.020 0.012 1.034