R语言特定列中最常见的因素-最近度打破联系

wsxa1bj1 于 2023-04-09 发布在其他

关注(0)|答案(5)|浏览(112)

我需要在一个数据集中创建一个列，该列在一个列的 * 选择 * 中报告 * 最近的行方式模态**文本值（忽略NA）。
背景：我有一个数据集，最多有4个编码员对参与者的成绩单进行评分（一个参与者/行）。偶尔会有少数编码人员不同意或为参与者/行选择错误的代码。因此，我需要为每个参与者跨编码人员重复选择模态代码响应（即，对于每一行），并且-当存在平局时-选择最近的（稍后的）模态代码响应（因为稍后的编码更可能是正确的）。
这里有一个数据集的假例子，有四个编码器的代码（Essay或Chat），用于3个参与者（一个/行）。

> fakeData = data.frame(id = 1:3,
+                 Condition = c("Essay", "Chat", "Chat"),
+                 FirstCoder = c("NA","Essay","Essay"),
+                 SecondCoder = c("NA","Chat","Essay"),
+                 ThirdCoder = c("Essay","Chat","Chat"),
+                 FourthCoder = c("Essay","NA","Chat"))
> fakeData
  id Condition FirstCoder SecondCoder ThirdCoder FourthCoder
1  1     Essay         NA          NA      Essay       Essay
2  2      Chat      Essay        Chat       Chat          NA
3  3      Chat      Essay       Essay       Chat        Chat

关于最近时间：“FirstCoder”首先编码，“SecondCoder”接着编码，然后“ThirdCoder”提交他们的代码，并且“FourthCoder”是最后（并且最近）提交响应的编码器。
以下是我在其他论坛中尝试过的一些方法-请注意我是如何需要忽略“条件”列的：

> fakeData$ModalCode1 <- apply(fakeData,1,function(x) names(which.max(table(c("FirstCoder","SecondCoder", "ThirdCoder", "FourthCoder")))))
> fakeData$ModalCode2 <- apply(select(fakeData,ends_with("Coder")), 1, Mode)

正确的结果将是此列（手动创建）

> fakeData$MostRecentModalCode <- c("Essay", "Chat", "Chat")

您可以看到我的尝试都没有得到正确的结果（即“MostRecentModalCode”）。

> fakeData
  id Condition FirstCoder SecondCoder ThirdCoder FourthCoder ModalCode1 ModalCode2 MostRecentModalCode
1  1     Essay         NA          NA      Essay       Essay FirstCoder         NA               Essay
2  2      Chat      Essay        Chat       Chat          NA FirstCoder       Chat                Chat
3  3      Chat      Essay       Essay       Chat        Chat FirstCoder      Essay                Chat

正如您所看到的，最后一列（正确）忽略了NA，并打破了与最近编码人员响应的模态联系（与传统的Mode函数不同）。

当然有一个函数，但我只是没有找到或正确实现它。

欢迎提供建议和解决方案！（如果我必须创建一个自定义函数，那也没问题--尽管令人惊讶。）

来源：https://stackoverflow.com/questions/75960077/most-frequent-factor-across-specific-columns-with-recency-breaking-ties

5条答案

按热度按时间

0pizxfdo1#

我们可以使用here中的Mode函数

> Mode <- function(x) {
+   ux <- unique(x)
+   ux[which.max(tabulate(match(x, ux)))]
+ }
> 
> apply(fakeData[-1], 1, Mode)
[1] "Essay" "Chat"  "Chat"

赞(0）回复(0）举报 2023-04-09

ecbunoof2#

@akrun的回答让我看到了另一篇帖子，它有一个自定义的Mode函数，隐藏在符合我需要的答案中。我将其重命名为ModeC，改编自@DanHoughton的答案（https://stackoverflow.com/a/53290748/1701844）中的Mode。

ModeC <- function(x) {
  if ( length(x) <= 2 ) return(x[1])
  if ( anyNA(x) ) x = x[!is.na(x)]
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

由于我不明白的原因，它无法忽略fakeData上的NA（无论是data.table还是data.frame，甚至当NA不仅仅是“NA”字符串时），但它在确定我的actualdata中的模式时正确地忽略了NA。所以我在这里发布它，以防它适用于其他人。

赞(0）回复(0）举报 2023-04-09

m528fe3b3#

如果您使用data.table，可以尝试以下代码

library(data.table)

melt(setDT(fakeData),
  id.vars = "id", na.rm = TRUE
)[
  , .N,
  .(id, value)
][
  , .(value = value[which.max(N)]),
  id
]

它给出了

id value
1:  1 Essay
2:  2  Chat
3:  3  Chat

赞(0）回复(0）举报 2023-04-09

wswtfjt74#

关于：

apply(fakeData[,-1], 1, DescTools::Mode, na.rm=TRUE)

？

赞(0）回复(0）举报 2023-04-09

wsewodh25#

您可以用途：

apply(fakeData[-1], 1, \(x) names(which(max(table(x))==table(x))))
#[1] "Essay" "Chat"  "Chat"

如果有多个最频繁的级别，它将返回 all。

赞(0）回复(0）举报 2023-04-09

我来回答

R语言特定列中最常见的因素-最近度打破联系

5条答案

相关问题

热门标签

最新问答

R语言 特定列中最常见的因素-最近度打破联系

5条答案

相关问题

热门标签

最新问答

R语言特定列中最常见的因素-最近度打破联系