代码之家 › 专栏 › 技术社区 › hello_friend

检索按分隔符拆分的多值属性中最常见的元素

elements delimiter count split r

hello_friend · 技术社区 · 6 年前

我有一个由行组成的列,所有行都包含由“,”分隔的许多不同元素。此多值属性列(候选扇区)包含每个单元格中的许多元素(AE、AE、PPP、LSE、D、G、D、AE),以逗号分隔。如图所示:

 PROJEX_ID <- c("1","2","3","4")
 NAME <- c("Hi", "go", "the", "dart")
 CANDIDATE_SECTORS <- c("AE, PPP, AE, D", "PPP, D, G, D", "LSE, PPP, PPP", "G, D, H, D, G, G")
 PROJ_DATA <- data.frame(PROJEX_ID, NAME, CANDIDATE_SECTORS)
 PROJ_DATA$SECTOR_CAPABLE <- ""

我需要计算每个单元格中每个元素的数量,然后逐行存储最频繁出现的值。(例如,AE代表第1行,D代表第2行)等。如有任何帮助,将不胜感激。

所需结果的示例显示在SECTOR\u-CAPABLE列中,其中“AE”存储在SECTOR\u-CAPABLE列的第一行中,因为它在该行的候选扇区单元格中出现了两次。

我对R比较陌生,下面的代码就是我正在尝试的;据我所知,它产生了“AE”的统一答案,这是因为for循环计算的是元素在整个列中的所有单元格中出现的次数,。

for(i in 1:nrow(PROJ_DATA)){ 
  CANDIDATE_PROJS_UNLISTED <- setNames(strsplit(as.character(PROJ_DATA$CANDIDATE_SECTORS), ","), PROJ_DATA$PROJEX_ID) 
  CANDIDATE_PROJS_UNLISTED_TMP <- stack(CANDIDATE_PROJS_UNLISTED) 
  CANDIDATE_PROJS_UNLISTED_TMP$ORDER <- ave(CANDIDATE_PROJS_UNLISTED_TMP$ind, CANDIDATE_PROJS_UNLISTED_TMP$ind, FUN = seq_along) 
  candidate_projs_unlisted_tmp <- as.data.frame(table(CANDIDATE_PROJS_UNLISTED_TMP),decreasing=T) 
  PROJ_DATA$SECTOR_CAPABLE <- head(CANDIDATE_PROJS_UNLISTED$values,1) 
}

1 回复 | 直到 6 年前

zx8754 John Colby 6 年前

按逗号拆分,获取计数,获取最频繁的:

# example data
df1 <- data.frame(
  x = c("c,a,b,b",
        "aa,bb,b,c,c,a",
        "d,d,b,b"), stringsAsFactors = FALSE)

# get most frequent as new column
df1$res <- sapply(df1$x, function(i) {
  z <- unlist(strsplit(i, "," ))
  names(sort(table(z), decreasing = TRUE)[1])
})

# result
df1
#               x res
# 1       c,a,b,b   b
# 2 aa,bb,b,c,c,a   c
# 3       d,d,b,b   b

注: 当出现平局时,你需要决定做什么。目前,结果是按字母顺序排序的,所以在第三排我们得到 b 而不是 d .

推荐文章

Zhihar · 如何在vba(excel)中使用多字符字符串作为分隔符拆分字符串

7 年前

Vince Osana · Excel VBA另存为不带分隔符的文本文件

7 年前

user5858 · Matlab-按分隔符拆分单元格数组列

7 年前

Zdiode · 查找开始和停止之间的所有重复字符串,并使用分隔符

7 年前

Matt · 显示错误结果的自定义toString(char)方法

7 年前

tnoel999888 · Python在换行符上拆分字符串并保留换行符

7 年前

Alexander · 读取列标题中具有多个分隔符的文件并跳过末尾的某些行

7 年前

xcelm · 将分隔表拆分为行

7 年前

Haddock-san · 正则表达式量词-两个字符之间的数量

7 年前

Aman Singh Dhir · VBA文本到以括号作为拆分器的列

7 年前