Zliczanie liczby elementów o wartości x w wektorze

Mam wektor liczb:

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
         453,435,324,34,456,56,567,65,34,435)

Jak mogę zliczyć R, ile razy wartość x pojawia się w wektorze?

Możesz po prostu użyć table():

> a <- table(numbers)
> a
numbers
  4   5  23  34  43  54  56  65  67 324 435 453 456 567 657 
  2   1   2   2   1   1   2   1   2   1   3   1   1   1   1 

Następnie możesz go podzielić:

> a[names(a)==435]
435 
  3

Lub przekonwertuj go na ramkę danych, jeśli wygodniej z tym pracujesz:

> as.data.frame(table(numbers))
   numbers Freq
1        4    2
2        5    1
3       23    2
4       34    2
...

Najbardziej bezpośredni sposób to sum(numbers == x).

numbers == xtworzy wektor logiczny, który jest PRAWDZIWY w każdym miejscu, w którym występuje x, a podczas suming wektor logiczny jest wymuszany na numeryczny, który konwertuje PRAWDA na 1, a FAŁSZ na 0.

Jednak należy pamiętać, że dla liczb zmiennoprzecinkowych to lepiej użyć czegoś takiego: sum(abs(numbers - x) < 1e-6).

Prawdopodobnie zrobiłbym coś takiego

length(which(numbers==x))

Ale tak naprawdę jest lepszy sposób

table(numbers)

Jest też count(numbers)z plyrpaczki. O wiele wygodniejszy niż tablew mojej opinii.

Moje preferowane rozwiązanie używa rle, które zwróci wartość (etykietę xw twoim przykładzie) i długość, która reprezentuje ile razy ta wartość pojawiła się w sekwencji.

Łącząc się rlez sort, masz niezwykle szybki sposób na policzenie liczby wyświetleń dowolnej wartości. Może to być pomocne w przypadku bardziej złożonych problemów.

Przykład:

> numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,324,34,456,56,567,65,34,435)
> a <- rle(sort(numbers))
> a
  Run Length Encoding
    lengths: int [1:15] 2 1 2 2 1 1 2 1 2 1 ...
    values : num [1:15] 4 5 23 34 43 54 56 65 67 324 ...

Jeśli wartość chcesz nie pokazuje się, czy trzeba przechowywać tę wartość na później, należy .adata.frame

> b <- data.frame(number=a$values, n=a$lengths)
> b
    values n
 1       4 2
 2       5 1
 3      23 2
 4      34 2
 5      43 1
 6      54 1
 7      56 2
 8      65 1
 9      67 2
 10    324 1
 11    435 3
 12    453 1
 13    456 1
 14    567 1
 15    657 1

Uważam, że rzadko zdarza się, że chcę znać częstotliwość jednej wartości, a nie wszystkich wartości, a rle wydaje się być najszybszym sposobem na zliczenie i zapamiętanie ich wszystkich.

W tym celu istnieje standardowa funkcja w języku R.

tabulate(numbers)

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435 453,435,324,34,456,56,567,65,34,435)

> length(grep(435, numbers))
[1] 3


> length(which(435 == numbers))
[1] 3


> require(plyr)
> df = count(numbers)
> df[df$x == 435, ] 
     x freq
11 435    3


> sum(435 == numbers)
[1] 3


> sum(grepl(435, numbers))
[1] 3


> sum(435 == numbers)
[1] 3


> tabulate(numbers)[435]
[1] 3


> table(numbers)['435']
435 
  3 


> length(subset(numbers, numbers=='435')) 
[1] 3

oto jeden szybki i brudny sposób:

x <- 23
length(subset(numbers, numbers==x))

Jeśli chcesz później policzyć liczbę wystąpień, możesz skorzystać z sapplyfunkcji:

index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)

Wynik:

        numbers index
 [1,]       4     1
 [2,]      23     1
 [3,]       4     2
 [4,]      23     2
 [5,]       5     1
 [6,]      43     1
 [7,]      54     1
 [8,]      56     1
 [9,]     657     1
[10,]      67     1
[11,]      67     2
[12,]     435     1
[13,]     453     1
[14,]     435     2
[15,]     324     1
[16,]      34     1
[17,]     456     1
[18,]      56     2
[19,]     567     1
[20,]      65     1
[21,]      34     2
[22,]     435     3

Możesz zmienić numer na cokolwiek zechcesz w następnym wierszu

length(which(numbers == 4))

Jeszcze jeden sposób, który uważam za wygodny, to:

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,324,34,456,56,567,65,34,435)
(s<-summary (as.factor(numbers)))

Konwertuje to zestaw danych na współczynnik, a następnie podsumowanie () daje nam sumy kontrolne (liczby unikatowych wartości).

Dane wyjściowe to:

4   5  23  34  43  54  56  65  67 324 435 453 456 567 657 
2   1   2   2   1   1   2   1   2   1   3   1   1   1   1 

W razie potrzeby można to zapisać jako ramkę danych.

as.data.frame (cbind (Number = names (s), Freq = s), stringsAsFactors = F, row.names = 1: length (s))

tutaj row.names służy do zmiany nazw nazw wierszy. bez użycia row.names, nazwy kolumn ws są używane jako nazwy wierszy w nowej ramce danych

Dane wyjściowe to:

     Number Freq
1       4    2
2       5    1
3      23    2
4      34    2
5      43    1
6      54    1
7      56    2
8      65    1
9      67    2
10    324    1
11    435    3
12    453    1
13    456    1
14    567    1
15    657    1

Używanie tabeli, ale bez porównywania z names:

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435)
x <- 67
numbertable <- table(numbers)
numbertable[as.character(x)]
#67 
# 2 

tablejest przydatny, gdy kilka razy korzystasz z liczników różnych elementów. Jeśli potrzebujesz tylko jednej liczby, użyjsum(numbers == x)

Istnieją różne sposoby liczenia określonych elementów

library(plyr)
numbers =c(4,23,4,23,5,43,54,56,657,67,67,435,453,435,7,65,34,435)

print(length(which(numbers==435)))

#Sum counts number of TRUE's in a vector 
print(sum(numbers==435))
print(sum(c(TRUE, FALSE, TRUE)))

#count is present in plyr library 
#o/p of count is a DataFrame, freq is 1 of the columns of data frame
print(count(numbers[numbers==435]))
print(count(numbers[numbers==435])[['freq']])

Metodą, która jest stosunkowo szybka na długich wektorach i daje wygodne wyjście, jest użycie lengths(split(numbers, numbers))(zwróć uwagę na S na końcu lengths):

# Make some integer vectors of different sizes
set.seed(123)
x <- sample.int(1e3, 1e4, replace = TRUE)
xl <- sample.int(1e3, 1e6, replace = TRUE)
xxl <-sample.int(1e3, 1e7, replace = TRUE)

# Number of times each value appears in x:
a <- lengths(split(x,x))

# Number of times the value 64 appears:
a["64"]
#~ 64
#~ 15

# Occurences of the first 10 values
a[1:10]
#~ 1  2  3  4  5  6  7  8  9 10 
#~ 13 12  6 14 12  5 13 14 11 14 

Wynik jest po prostu nazwanym wektorem.
Szybkość wydaje się porównywalna do rleproponowanej przez JBeckera, a nawet nieco większa w przypadku bardzo długich wektorów. Oto znak firmowy w R 3.6.2 z niektórymi proponowanymi funkcjami:

library(microbenchmark)

f1 <- function(vec) lengths(split(vec,vec))
f2 <- function(vec) table(vec)
f3 <- function(vec) rle(sort(vec))
f4 <- function(vec) plyr::count(vec)

microbenchmark(split = f1(x),
               table = f2(x),
               rle = f3(x),
               plyr = f4(x))
#~ Unit: microseconds
#~   expr      min        lq      mean    median        uq      max neval  cld
#~  split  402.024  423.2445  492.3400  446.7695  484.3560 2970.107   100  b  
#~  table 1234.888 1290.0150 1378.8902 1333.2445 1382.2005 3203.332   100    d
#~    rle  227.685  238.3845  264.2269  245.7935  279.5435  378.514   100 a   
#~   plyr  758.866  793.0020  866.9325  843.2290  894.5620 2346.407   100   c 

microbenchmark(split = f1(xl),
               table = f2(xl),
               rle = f3(xl),
               plyr = f4(xl))
#~ Unit: milliseconds
#~   expr       min        lq      mean    median        uq       max neval cld
#~  split  21.96075  22.42355  26.39247  23.24847  24.60674  82.88853   100 ab 
#~  table 100.30543 104.05397 111.62963 105.54308 110.28732 168.27695   100   c
#~    rle  19.07365  20.64686  23.71367  21.30467  23.22815  78.67523   100 a  
#~   plyr  24.33968  25.21049  29.71205  26.50363  27.75960  92.02273   100  b 

microbenchmark(split = f1(xxl),
               table = f2(xxl),
               rle = f3(xxl),
               plyr = f4(xxl))
#~ Unit: milliseconds
#~   expr       min        lq      mean    median        uq       max neval  cld
#~  split  296.4496  310.9702  342.6766  332.5098  374.6485  421.1348   100 a   
#~  table 1151.4551 1239.9688 1283.8998 1288.0994 1323.1833 1385.3040   100    d
#~    rle  399.9442  430.8396  464.2605  471.4376  483.2439  555.9278   100   c 
#~   plyr  350.0607  373.1603  414.3596  425.1436  437.8395  506.0169   100  b  

Co ważne, jedyną funkcją, która również liczy liczbę brakujących wartości, NAjest plyr::count. Można je również uzyskać osobno za pomocąsum(is.na(vec))

To bardzo szybkie rozwiązanie dla jednowymiarowych wektorów atomowych. To zależy match(), więc jest kompatybilny z NA:

x <- c("a", NA, "a", "c", "a", "b", NA, "c")

fn <- function(x) {
  u <- unique.default(x)
  out <- list(x = u, freq = .Internal(tabulate(match(x, u), length(u))))
  class(out) <- "data.frame"
  attr(out, "row.names") <- seq_along(u)
  out
}

fn(x)

#>      x freq
#> 1    a    3
#> 2 <NA>    2
#> 3    c    2
#> 4    b    1

Możesz również dostosować algorytm, aby nie działał unique().

fn2 <- function(x) {
  y <- match(x, x)
  out <- list(x = x, freq = .Internal(tabulate(y, length(x)))[y])
  class(out) <- "data.frame"
  attr(out, "row.names") <- seq_along(x)
  out
}

fn2(x)

#>      x freq
#> 1    a    3
#> 2 <NA>    2
#> 3    a    3
#> 4    c    2
#> 5    a    3
#> 6    b    1
#> 7 <NA>    2
#> 8    c    2

W przypadkach, w których pożądane jest wyjście, prawdopodobnie nawet nie potrzebujesz go, aby przywrócić oryginalny wektor, a druga kolumna to prawdopodobnie wszystko, czego potrzebujesz. Możesz uzyskać to w jednej linii za pomocą fajki:

match(x, x) %>% `[`(tabulate(.), .)

#> [1] 3 2 3 2 3 1 2 2

Można tego dokonać, outeraby uzyskać metrykę równości rowSums, która ma oczywiste znaczenie.
Aby mieć liczby i numbersten sam zestaw danych, najpierw tworzona jest ramka danych. Ten krok nie jest potrzebny, jeśli chcesz osobne wejście i wyjście.

df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))