如何解决如何计算R中的每列值频率组合?
在原始数据集中,我有 3k+ 行和 2 列 - id 可以在实践中应用的 ID 和语言。我的第一步是找到所选语言的频率组合。例如,Python 与 R、sql 一起被选择了多少次;或者使用 JavaScript、C++ 等选择 Java 的次数。
对 Stackoverflow 的一些研究帮助我找到了这些可能的模式。下面是一些带有示例数据集的代码:
sample <- data.frame(id = rep(randomNames::randomNames(4),each = 4),programming = c("R","Python","C#","Other","R","Tableu","Assembler","Java","JavaScript","Other"))
gr <- sample %>%
group_by(id) %>%
arrange(programming) %>%
summarise(programming = paste(sort(unique(programming)),collapse = ",")) %>%
count(programming)
但现在我想知道如何找到每种语言最常选择的数量。例如,R 语言被 Java 和 Kotlin 选中的次数很少,这不是一个非常流行的设置。但是用 Python 和 sql 选择的 R 更受欢迎。我的目的是找出被选择频率最高的语言。
我也做了一些研究 (example),但不幸的是,没有找到解决方案。
我想我应该迭代我的 programming
列以找到所有可能的选择(R + ...,Python + ...;然后是 R + Python + ...)。我尝试使用 lapply
,但在编写 lambda 函数时遇到了困难。
解决问题的可能方法是什么?有没有什么有效的功能可以达到这样的目的?
解决方法
一种选择是在每个 id
和 count
组合中创建最常一起出现的语言组合。 .
library(dplyr)
sample %>%
group_by(id) %>%
summarise(programming = combn(sort(programming),2,paste0,collapse = '-'),.groups = 'drop') %>%
count(programming,sort = TRUE)
# programming n
# <chr> <int>
# 1 C#-Python 3
# 2 Other-R 3
# 3 C#-Other 2
# 4 C#-R 2
# 5 Other-Python 2
# 6 Python-R 2
# 7 Assembler-Other 1
# 8 Assembler-R 1
# 9 Assembler-Tableu 1
#10 C#-Java 1
#11 C#-JavaScript 1
#12 Java-JavaScript 1
#13 Java-Python 1
#14 JavaScript-Python 1
#15 Other-Tableu 1
#16 R-Tableu 1
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。