Znajdź najczęstszą kombinację wartości w data.frame

Question

Chciałbym znaleźć najczęstszą kombinację wartości w data.frame.

Oto kilka przykładów danych:

dat <- data.frame(age=c(50,55,60,50,55),sex=c(1,1,1,0,1),bmi=c(20,25,30,20,25)) 

W tym przykładzie wynik szukam jest kombinacją wieku = 55, seks = 1 i BMI = 25, ponieważ jest najczęstszą kombinacją kolumny wartości.

Moje prawdziwe dane mają około 30000 wierszy i 20 kolumn. Jaki byłby skuteczny sposób na znalezienie najczęstszej kombinacji tych 20 wartości spośród 30000 obserwacji?

Wielkie dzięki!

Answer 1

Oto podejście z data.table:

dt <- data.table(dat) 
setkeyv(dt, names(dt)) 
dt[, .N, by = key(dt)] 
dt[, .N, by = key(dt)][N == max(N)] 
# age sex bmi N 
# 1: 55 1 25 2 

oraz podejścia z bazy R:

x <- data.frame(table(dat)) 
x[x$Freq == max(x$Freq), ] 
# age sex bmi Freq 
# 11 55 1 25 2 

nie wiem jak dobrze albo z tymi skali chociaż, szczególnie jeśli liczba kombinacji będzie duża. Tak, przetestuj i zgłoś!

---

Wymień x$Freq == max(x$Freq) z which.max(x$Freq) i N == max(N) z which.max(N) jeśli jesteś naprawdę zainteresowany w jednym rzędzie wyników.

Answer 2

Coś takiego?

> dat[duplicated(dat), ] 
    age sex bmi 
5 55 1 25 

użyciu while (może czasochłonne)

Oto kolejny data.frame z więcej niż 1 przypadku powielane

> dat <- data.frame(age=c(50,55,60,50,55, 55, 60), 
        sex=c(1,1,1,0,1, 1,1), 
        bmi=c(20,25,30,20,25, 25,30)) 
> dat[duplicated(dat), ] # see data.frame 
     age sex bmi 
    5 55 1 25 
    6 55 1 25 
    7 60 1 30 


# finding the most repeated item 
> while(any(duplicated(dat))){ 
    dat <- dat[duplicated(dat), ] 
    #print(dat) 
} 

> print(dat) 
    age sex bmi 
6 55 1 25 

Answer 3

Szybki i brudny roztwór. Jestem pewien, że jest na to lepszy sposób, z pakietem plyr lub podobnym.

> (tab <- table(apply(dat, 1, paste, collapse=", "))) 
50, 0, 20 50, 1, 20 55, 1, 25 60, 1, 30 
     1   1   2   1 

> names(which.max(tab)) 
[1] "55, 1, 25"