답변:
당신은 사용할 수 있습니다 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 그런 다음 하위 집합을 만들 수 있습니다.
> a[names(a)==435]
435
3또는 더 편안하게 작업하려면 data.frame으로 변환하십시오.
> as.data.frame(table(numbers))
numbers Freq
1 4 2
2 5 1
3 23 2
4 34 2
...a["435"]insetead 하지 a[names(a)==435]?
가장 직접적인 방법은 sum(numbers == x)입니다.
numbers == xx가 발생하는 모든 위치에서 TRUE 인 논리 형 벡터를 생성하고, suming 일 때 논리 형 벡터를 숫자로 강제 변환하여 TRUE를 1로, FALSE를 0으로 변환합니다.
그러나 부동 소수점 숫자의 경우 다음과 같은 것을 사용하는 것이 좋습니다 sum(abs(numbers - x) < 1e-6).
x알려진 특정 값 대신 데이터의 모든 것에 대한 답변을 제공하는보다 일반적인 솔루션을 선호한다고 생각합니다 x. 공평하게, 그것은 원래의 질문에 관한 것이 었습니다. 아래 답변에서 언급했듯이 "모든 값이 아니라 하나의 값의 빈도를 알고 싶어하는 경우는 거의 없습니다 ..."
아마 이런 식으로 할 것
length(which(numbers==x))하지만 더 좋은 방법은
table(numbers)table(numbers)sum(numbers==x)목록에서 다른 모든 숫자의 수를 계산하기 때문에 가장 쉬운 솔루션보다 훨씬 더 많은 작업을 수행 할 것입니다.
내가 선호하는 솔루션은을 사용 rle하여 값 ( x예 : 레이블 )과 길이 를 반환합니다. 이 길이는 해당 값이 순서대로 나타난 횟수를 나타냅니다.
rle와 결합 sort하면 값이 나타나는 횟수를 세는 매우 빠른 방법이 있습니다. 보다 복잡한 문제에 도움이 될 수 있습니다.
예:
> 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 ...당신이 원하는 값이 표시되지 않습니다, 또는 나중에에 그 값을 저장해야하는 경우, 확인 a을 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 1모든 값이 아닌 하나의 값의 빈도를 알고 싶어하는 경우는 드물며 rle은 모든 값을 세고 저장하는 가장 빠른 방법 인 것 같습니다.
c(rep('A', 3), rep('G', 4), 'A', rep('G', 2), rep('C', 10))반환 values = c('A','G','A','G','C')하고 lengths=c(3, 4, 1, 2, 10)때로는 유용합니다.
table더 빠르지 만 when the vector is long(100000 시도) 짧아지면 약간 길어
R에는 표준 기능이 있습니다.
tabulate(numbers)
tabulate0과 음수를 처리 할 수 없다는 것입니다.
tabulate. 참고 : sort일반적인 올바른 사용법을 위해 필요한 것 같습니다 : 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] 3이후에 출현 횟수를 계산하려면이 sapply기능 을 사용할 수 있습니다 .
index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)산출:
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 3다음 줄에서 원하는대로 숫자를 변경할 수 있습니다
length(which(numbers == 4))내가 찾은 또 다른 방법은 다음과 같습니다.
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)))이것은 데이터 세트를 factor로 변환 한 다음 summary ()는 제어 총계 (고유 값의 개수)를 제공합니다.
출력은 다음과 같습니다
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 원하는 경우 데이터 프레임으로 저장할 수 있습니다.
as.data.frame (cbind (숫자 = 이름, 빈도 = s), stringsAsFactors = F, 행 이름 = 1 : 길이)
여기에서 row.names는 행 이름의 이름을 바꾸는 데 사용되었습니다. row.names를 사용하지 않으면 s의 열 이름이 새 데이터 프레임에서 행 이름으로 사용됩니다.
출력은 다음과 같습니다
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 1특정 요소를 세는 다른 방법이 있습니다
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']])긴 벡터에서 비교적 빠르며 편리한 출력을 제공하는 방법은 사용하는 것입니다 lengths(split(numbers, numbers))( 끝에 있는 S 참고 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 결과는 단순히 명명 된 벡터입니다.
속도는 JBecker 이 rle제안한 속도와 비슷하며 매우 긴 벡터에서는 조금 더 빠릅니다. 다음은 제안 된 기능 중 일부가 포함 된 R 3.6.2 의 마이크로 벤치 마크입니다 .
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 중요한 것은 결 측값 수를 계산하는 유일한 함수 NA는 plyr::count입니다. 이들은 또한 다음을 사용하여 별도로 얻을 수 있습니다sum(is.na(vec))
이것은 1 차원 원자 벡터에 대한 매우 빠른 솔루션입니다. 에 의존 match()하므로 다음과 호환됩니다 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 1알고리즘이 실행되지 않도록 조정할 수도 있습니다 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 2해당 출력이 필요한 경우 원래 벡터를 다시 반환하는 데 필요하지 않을 수도 있고 두 번째 열만 있으면됩니다. 파이프와 함께 한 줄로 얻을 수 있습니다.
match(x, x) %>% `[`(tabulate(.), .)
#> [1] 3 2 3 2 3 1 2 2