你可以试试下面的代码

d <- df[, 3:7]
v <- t(table(unlist(d), row(d)))
df$maj <- as.numeric(colnames(v))[max.col(v)]

字符串
或

df %>%
    mutate(maj = {
        (.) %>%
            select(a:e) %>%
            {
                t(table(unlist(.), row(.)))
            } %>%
            {
                as.numeric(colnames(.))[max.col(.)]
            }
    })

型
你将获得

> df
   id reg a b c d e  card maj
1:  1  DD 4 0 4 0 0   two   0
2:  2  BB 4 4 0 4 4 three   4
3:  3  MA 0 0 4 0 4   one   0
4:  4  CA 4 4 4 4 4   one   4
5:  5  MN 0 0 4 0 0   two   0
6:  6  KA 4 4 4 4 4 three   4
7:  7  LA 0 0 0 4 0   six   0

型

你可以试试这个：

fun <- function(x) {
  counts <- sort(table(x))
  return(names(counts[length(counts)]))
}

df %>%
  rowwise() %>%
  mutate(maj = fun(c_across(3:7)))

字符串

使用dplyr，我们可以使用行操作并使用统计 * 模式 * 创建新列。我们可以使用modeest包中的函数mfv（最频繁值），或手动计算模式，如建议的all across SO，包括此处其他答案中的解决方案。

library(dplyr)
library(modeest)

df |> 
    rowwise() |> 
    mutate(maj = mfv(c_across(a:e))) |> 
    ungroup()

# A tibble: 7 × 9
     id reg       a     b     c     d     e card    maj
  <int> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
1     1 DD        4     0     4     0     0 two       0
2     2 BB        4     4     0     4     4 three     4
3     3 MA        0     0     4     0     4 one       0
4     4 CA        4     4     4     4     4 one       4
5     5 MN        0     0     4     0     0 two       0
6     6 KA        4     4     4     4     4 three     4
7     7 LA        0     0     0     4     0 six       0

字符串