计算向量中x的元素个数

400

我有一个数字向量：

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
         453,435,324,34,456,56,567,65,34,435)

如何让R计算向量中值x出现的次数？

r  vector  count  r-faq 
— R问题
source

Answers:

505

您可以使用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

然后，您可以将其子集化：

> a[names(a)==435]
435 
  3

或将其转换为data.frame（如果您更喜欢这样做）：

> as.data.frame(table(numbers))
   numbers Freq
1        4    2
2        5    1
3       23    2
4       34    2
...
— 尚恩
source
21
不要忘记潜在的浮点问题，尤其是对于将数字强制转换为字符串的表而言。
— 哈德利
4
很好。这些都是整数，所以在此示例中这不是真正的问题，对吧？
— Shane
不完全是。该表的元素属于整数类class（table（numbers）[1]），但435是浮点数。要使其成为整数，可以使用435L。
— 伊恩·菲洛斯
@Ian-我很困惑为什么在这个例子中435是浮点数。你能澄清一下吗？谢谢。
— Heather Stark
4
为什么不a["435"]胆怯a[names(a)==435]？
— 庞巴2014年
262

最直接的方法是sum(numbers == x)。

numbers == x创建一个逻辑向量，该逻辑向量在x出现的每个位置都为TRUE，并且在suming时，该逻辑向量被强制转换为数字，从而将TRUE转换为1，将FALSE转换为0。

但是，请注意，对于浮点数，最好使用类似以下内容：sum(abs(numbers - x) < 1e-6)。

— 哈德利
source
1
关于浮点问题的要点。这比我通常承认的要痛得多。
— JD Long
3
@Jason虽然确实可以直接回答问题，但我猜想人们会喜欢更通用的解决方案，该解决方案可以为x数据中的所有内容提供答案，而不是特定的已知值x。公平地说，这就是最初的问题。正如我在下面的回答中所说的：“我发现很少知道一个值而不是所有值的频率...”
— JBecker 2013年
62

我可能会做这样的事情

length(which(numbers==x))

但实际上，更好的方法是

table(numbers)
— 杰西
source
10
table(numbers)比最简单的解决方案还要做更多的工作sum(numbers==x)，因为它还会计算列表中所有其他数字的计数。
— 肯·威廉姆斯
1
表的问题在于，将表包含到更复杂的演算中比较困难，例如在数据帧上使用apply（）
— skan
34

我的首选解决方案使用rle，它将返回一个值（标签，x在您的示例中）和一个长度，该长度表示该值按顺序出现了多少次。

通过结合rle使用sort，您可以非常快速地计算出任何值出现的次数。这对于更复杂的问题可能会有帮助。

例：

> 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 ...

如果您想要的值没有出现，或者您需要存储该值以备后用，请制作a一个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 1

我发现很少想知道一个值而不是所有值的频率，而rle似乎是获取计数和存储所有值的最快方法。

— 贝克尔
source
1
vs表的优点是，它以更易于使用的格式提供结果吗？感谢
— Heather Stark
@HeatherStark我想说有两个优点。首先肯定是它是比表输出更易于使用的格式。第二个是有时我想“连续”而不是整个数据集中的元素数量。例如，c(rep('A', 3), rep('G', 4), 'A', rep('G', 2), rep('C', 10))将返回values = c('A','G','A','G','C')并且lengths=c(3, 4, 1, 2, 10)有时有用。
— JBecker 2013年
1
使用微基准测试，它看起来table更快when the vector is long（我尝试了100000），但是当它变短了（我尝试了1000）
— 时却稍长一些
如果您有很多数字，这将非常缓慢。
— skan
19

R中有一个标准功能

tabulate(numbers)

— 谢尔盖·安德列耶夫（Sergej Andrejev）
source
缺点tabulate是您不能处理零和负数。
— omar
2
但是您可以处理给定数字的零个实例，而其他解决方案则无法处理
— Dodgie
出奇的快！正如omar所说，它为未出现的值提供零计数，这在我们要建立频率分布时非常有用。在使用之前，可以通过添加常量来处理零或负整数tabulate。注意：sort似乎正确使用它通常是必需的：tabulate(sort(numbers))。
— pglpm
11 
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] 3
— ishandutta2007
source
9

这是一种快速而肮脏的方法：

x <- 23
length(subset(numbers, numbers==x))
— 京东
source
9

如果要随后计算出现次数，可以使用以下sapply功能：

index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)

输出：

        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     3
— 伯尼
source
这绝对比表格快吗？
— 加里尼
3

我觉得方便的另一种方法是：

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)))

这会将数据集转换为因子，然后summary（）给我们提供控制总计（唯一值的计数）。

输出为：

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

如果愿意，可以将其存储为数据帧。

as.data.frame（cbind（Number =名称，频率= s，stringsAsFactors = F，row.names = 1：长度）

在这里，row.names已用于重命名行名。在不使用row.names的情况下，将s中的列名用作新数据框中的行名

输出为：

     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    1
— 阿卡什
source
3

使用表格，但不与names：

numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435)
x <- 67
numbertable <- table(numbers)
numbertable[as.character(x)]
#67 
# 2

table当您多次使用不同元素的计数时，此功能很有用。如果只需要一个计数，请使用sum(numbers == x)

— 轰炸机
source
2

计数特定元素有不同的方法

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']])
— 特里
source
1

使用长向量上相对较快并提供方便输出的方法lengths(split(numbers, numbers))（请注意的末尾的Slengths）：

# 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

输出只是一个命名向量。
速度似乎可以与JBeckerrle提出的速度相提并论，甚至在很长的向量上也要快一些。这是R 3.6.2中的微基准，其中提出了一些功能：

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

重要的是，也可以计算缺失值数量的唯一函数NA是plyr::count。这些也可以使用以下方法分别获得sum(is.na(vec))

— 帕斯卡尔·马丁
source
1

这是一维原子向量的非常快速的解决方案。它依赖match()，因此与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    1

您还可以调整算法，使其不运行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    2

在需要该输出的情况下，您甚至可能不需要它来返回原始向量，第二列可能就是您所需要的。您可以使用管道将其放在一行中：

match(x, x) %>% `[`(tabulate(.), .)

#> [1] 3 2 3 2 3 1 2 2
— 尼克
source
1
真的很棒的解决方案！那也是我能想到的最快的。使用u <-if（is.factor（x））x [！duplicated（x）] else unique（x）可以对因子输入的性能进行一些改进。
— 塔兹
0

可以这样做outer来获得相等的metrix，后跟rowSums，其含义很明显。
为了具有计数并numbers在同一数据集中，首先创建一个data.frame。如果要单独的输入和输出，则不需要此步骤。

df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))
— GWD
source
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.