Eu tenho um vetor de números:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
Como posso fazer R contar o número de vezes que um valor x aparece no vetor?
Eu tenho um vetor de números:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
Como posso fazer R contar o número de vezes que um valor x aparece no vetor?
Respostas:
Você pode apenas usar 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
Então você pode configurá-lo:
> a[names(a)==435]
435
3
Ou converta-o em data.frame se você estiver mais confortável trabalhando com isso:
> as.data.frame(table(numbers))
numbers Freq
1 4 2
2 5 1
3 23 2
4 34 2
...
a["435"]
insinuar a[names(a)==435]
?
A maneira mais direta é sum(numbers == x)
.
numbers == x
cria um vetor lógico que é VERDADEIRO em todos os locais em que x ocorre e quando sum
ing, o vetor lógico é coagido para numérico que converte TRUE em 1 e FALSE em 0.
No entanto, nota que, para números de ponto flutuante é melhor usar algo como: sum(abs(numbers - x) < 1e-6)
.
x
os dados, em vez de um valor conhecido específico de x
. Para ser justo, era disso que se tratava a pergunta original. Como eu disse em minha resposta abaixo, "Acho que é raro que eu quero saber a frequência de um valor e não todos os valores ..."
Eu provavelmente faria algo assim
length(which(numbers==x))
Mas realmente, uma maneira melhor é
table(numbers)
table(numbers)
vai fazer muito mais trabalho do que a solução mais fácil sum(numbers==x)
, porque também vai descobrir as contagens de todos os outros números da lista.
Minha solução preferida usa rle
, que retornará um valor (o rótulo,x
no seu exemplo) e um comprimento, que representa quantas vezes esse valor apareceu em sequência.
Combinando rle
comsort
, você tem uma maneira extremamente rápida de contar o número de vezes que qualquer valor apareceu. Isso pode ser útil com problemas mais complexos.
Exemplo:
> 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 ...
Se o valor que você deseja não aparecer, ou você precisar armazená-lo para mais tarde, faça a
a data.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
Acho raro querer saber a frequência de um valor e não todos, e rle parece ser a maneira mais rápida de contar e armazenar todos.
c(rep('A', 3), rep('G', 4), 'A', rep('G', 2), rep('C', 10))
retornaria values = c('A','G','A','G','C')
e lengths=c(3, 4, 1, 2, 10)
que às vezes é útil.
table
é mais rápido when the vector is long
(eu tentei 100000), mas ligeiramente mais longo quando mais curto (Tentei 1000)
Existe uma função padrão em R para esse
tabulate(numbers)
tabulate
é que você não pode lidar com números zero e negativos.
tabulate
. Nota: sort
parece ser necessário para o seu uso correto em geral:tabulate(sort(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
Se você quiser contar o número de aparências posteriormente, poderá usar a sapply
função:
index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)
Resultado:
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
Você pode alterar o número para o que desejar na linha a seguir
length(which(numbers == 4))
Mais uma maneira que eu acho conveniente é:
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)))
Isso converte o conjunto de dados em fator e, em seguida, o resumo () fornece os totais de controle (contagens dos valores exclusivos).
A saída é:
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
Isso pode ser armazenado como dataframe, se preferir.
as.data.frame (cbind (Number = names (s), Freq = s), stringsAsFactors = F, row.names = 1: length (s))
aqui row.names foi usado para renomear nomes de linhas. sem usar row.names, os nomes de coluna em s são usados como nomes de linha no novo dataframe
A saída é:
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
Usando tabela, mas sem comparar com 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
table
é útil quando você estiver usando as contagens de diferentes elementos várias vezes. Se você precisar de apenas uma contagem, usesum(numbers == x)
Existem diferentes maneiras de contar elementos específicos
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']])
Um método que é relativamente rápido em vetores longos e fornece uma saída conveniente é usar lengths(split(numbers, numbers))
(observe o S no final de 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
A saída é simplesmente um vetor nomeado.
A velocidade parece comparável à rle
proposta pelo JBecker e até um pouco mais rápida em vetores muito longos. Aqui está uma marca de microbench no R 3.6.2 com algumas das funções propostas:
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
Importante, a única função que também conta o número de valores ausentes NA
é plyr::count
. Estes também podem ser obtidos separadamente usandosum(is.na(vec))
Esta é uma solução muito rápida para vetores atômicos unidimensionais. Ele conta com match()
, portanto, é compatível com 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
Você também pode ajustar o algoritmo para que ele não seja executado 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
Nos casos em que essa saída é desejável, você provavelmente nem precisa retornar o vetor original e a segunda coluna é provavelmente tudo o que você precisa. Você pode colocar isso em uma linha com o pipe:
match(x, x) %>% `[`(tabulate(.), .)
#> [1] 3 2 3 2 3 1 2 2
Isso pode ser feito outer
para obter uma metrix de igualdades seguida por rowSums
, com um significado óbvio.
Para ter as contagens e numbers
no mesmo conjunto de dados, um data.frame é criado primeiro. Esta etapa não é necessária se você desejar entrada e saída separadas.
df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))