¿Cómo calculo el número de ocurrencias de un valor particular en una fila en R

Question

? Tengo un problema bastante difícil, que parece que no puedo resolver.

Tengo un conjunto de datos grande (23277 filas, 151 columnas). Cada columna tiene valores de 0: 100 (inclusive) que representan probabilidades asignadas para eventos en el mundo.

Como parte del cálculo del puntaje para cada individuo, necesito contar las ocurrencias de cada uno de los valores en el conjunto de datos.

primera vez que trató de aplicar, pero necesito hacer caso omiso de NA, y el subconjunto, así que cuando he intentado lo siguiente:

apply(ans.samp, 1, sum(ans.samp[ans==0]), na.rm=TRUE) 

me dieron el mensaje de error: suma ([== 0 ans] ans.samp) 'no es una función, carácter o símbolo

He repetido este proceso con sapply, vapply, tapply y do.call inútilmente.

Renunciar a una solución vectorizada, escribí lo siguiente para el ciclo.

RespCount <- function (x) { for (i in (1:nrow(x))) 
    { res <- vector(mode="numeric", length=nrow(x)) 
    ans.tmp <- x[i,] 
    res[i] <- length(ans.tmp[ans.tmp==0]) 
    print(res) 
    } 
return(res) 
} 

Sin embargo, después de obtener este trabajo, devuelve solo la suma total de O en la muestra.

Agradecería algo de ayuda con esto, ya que estoy bajo presión de tiempo, y me gustaría ser capaz de resolver este tipo de problemas en R en el futuro.

datos de muestra incluidos para reproducibilidad:

structure(list(X = 1:6, X100 = c(70L, NA, 80L, 0L, 40L, NA), 
    X10 = c(30L, NA, NA, NA, NA, NA), X1 = c(50L, NA, NA, NA, 
    NA, NA), X11 = c(50L, NA, NA, NA, NA, NA), X12 = c(30L, NA, 
    NA, NA, NA, NA), X13 = c(50L, NA, NA, NA, NA, NA), X14 = c(70L, 
    NA, NA, NA, NA, NA), X15 = c(60L, NA, NA, NA, NA, NA), X158 = c(30L, 
    NA, NA, NA, NA, NA), X159 = c(50L, NA, NA, NA, NA, NA), X160 = c(80L, 
    NA, NA, NA, NA, NA), X16 = c(50L, NA, NA, NA, NA, NA), X161 = c(40L, 
    NA, NA, NA, NA, NA), X162 = c(100L, NA, NA, NA, NA, NA), 
    X163 = c(50L, NA, NA, NA, NA, NA), X164 = c(0L, NA, NA, NA, 
    NA, NA), X165 = c(0L, NA, NA, NA, NA, NA), X166 = c(20L, 
    NA, NA, NA, NA, NA), X167 = c(0L, NA, NA, NA, NA, NA), X168 = c(30L, 
    NA, NA, NA, NA, NA), X169 = c(100L, NA, NA, NA, NA, NA), 
    X170 = c(30L, NA, NA, NA, NA, NA), X17 = c(40L, NA, NA, NA, 
    NA, NA), X171 = c(50L, NA, NA, NA, NA, NA), X172 = c(20L, 
    NA, NA, NA, NA, NA), X173 = c(30L, NA, NA, NA, NA, NA), X174 = c(20L, 
    NA, NA, NA, NA, NA), X175 = c(30L, NA, NA, NA, NA, NA), X176 = c(10L, 
    NA, NA, NA, NA, NA), X177 = c(70L, NA, NA, NA, NA, NA), X178 = c(40L, 
    NA, NA, NA, NA, NA), X179 = c(70L, NA, NA, NA, NA, NA), X180 = c(0L, 
    NA, NA, NA, NA, NA), X18 = c(30L, NA, NA, NA, NA, NA), X181 = c(100L, 
    NA, NA, NA, NA, NA), X182 = c(100L, NA, NA, NA, NA, NA), 
    X183 = c(20L, NA, NA, NA, NA, NA), X184 = c(80L, NA, NA, 
    NA, NA, NA), X185 = c(90L, NA, NA, NA, NA, NA), X186 = c(0L, 
    NA, NA, NA, NA, NA), X187 = c(10L, NA, NA, NA, NA, NA), X188 = c(100L, 
    NA, NA, NA, NA, NA), X189 = c(100L, NA, NA, NA, NA, NA), 
    X190 = c(0L, NA, NA, NA, NA, NA), X19 = c(100L, NA, NA, NA, 
    NA, NA), X191 = c(0L, NA, NA, NA, NA, NA), X192 = c(90L, 
    NA, NA, NA, NA, NA), X193 = c(50L, NA, NA, NA, NA, NA), X194 = c(100L, 
    NA, NA, NA, NA, NA), X195 = c(10L, NA, NA, NA, NA, NA), X196 = c(100L, 
    NA, NA, NA, NA, NA), X197 = c(20L, NA, NA, NA, NA, NA), X198 = c(40L, 
    NA, NA, NA, NA, NA), X199 = c(20L, NA, NA, NA, NA, NA), X200 = c(0L, 
    NA, NA, NA, NA, NA), X20 = c(0L, NA, NA, NA, NA, NA), X201 = c(0L, 
    NA, NA, NA, NA, NA), X202 = c(20L, NA, NA, NA, NA, NA), X203 = c(20L, 
    NA, NA, NA, NA, NA), X204 = c(80L, NA, NA, NA, NA, NA), X205 = c(0L, 
    NA, NA, NA, NA, NA), X206 = c(80L, NA, NA, NA, NA, NA), X207 = c(0L, 
    NA, NA, NA, NA, NA), X2 = c(10L, NA, NA, NA, NA, NA), X21 = c(0L, 
    NA, NA, NA, NA, NA), X22 = c(100L, NA, NA, NA, NA, NA), X23 = c(50L, 
    NA, NA, NA, NA, NA), X24 = c(50L, NA, NA, NA, NA, NA), X25 = c(70L, 
    NA, NA, NA, NA, NA), X26 = c(60L, NA, NA, NA, NA, NA), X27 = c(40L, 
    NA, NA, NA, NA, NA), X28 = c(20L, NA, NA, NA, NA, NA), X29 = c(0L, 
    NA, NA, NA, NA, NA), X30 = c(90L, NA, NA, NA, NA, NA), X3 = c(0L, 
    NA, NA, NA, NA, NA), X31 = c(50L, NA, NA, NA, NA, NA), X32 = c(50L, 
    NA, NA, NA, NA, NA), X33 = c(0L, NA, NA, NA, NA, NA), X34 = c(50L, 
    NA, NA, NA, NA, NA), X35 = c(90L, NA, NA, NA, NA, NA), X36 = c(50L, 
    NA, NA, NA, NA, NA), X37 = c(60L, NA, NA, NA, NA, NA), X38 = c(40L, 
    NA, NA, NA, NA, NA), X39 = c(50L, NA, NA, NA, NA, NA), X40 = c(0L, 
    NA, NA, NA, NA, NA), X4 = c(50L, NA, NA, NA, NA, NA), X41 = c(90L, 
    NA, NA, NA, NA, NA), X42 = c(80L, NA, NA, NA, NA, NA), X43 = c(50L, 
    NA, NA, NA, NA, NA), X44 = c(80L, NA, NA, NA, NA, NA), X45 = c(80L, 
    NA, NA, NA, NA, NA), X46 = c(0L, NA, NA, NA, NA, NA), X47 = c(80L, 
    NA, NA, NA, NA, NA), X48 = c(20L, NA, NA, NA, NA, NA), X49 = c(100L, 
    NA, NA, NA, NA, NA), X50 = c(0L, NA, NA, NA, NA, NA), X5 = c(0L, 
    NA, NA, NA, NA, NA), X51 = c(80L, 100L, 70L, 100L, 0L, 60L 
    ), X52 = c(10L, 0L, 0L, 0L, 0L, 20L), X53 = c(40L, 40L, 70L, 
    20L, 90L, 50L), X54 = c(0L, 10L, 0L, 50L, 50L, 0L), X55 = c(20L, 
    80L, 90L, 80L, 30L, 0L), X56 = c(100L, 100L, 50L, 100L, 80L, 
    100L), X57 = c(60L, 0L, 100L, 70L, 100L, 80L), X58 = c(100L, 
    100L, 100L, 50L, 100L, 100L), X59 = c(80L, 50L, 80L, 0L, 
    30L, 50L), X60 = c(70L, 50L, 60L, 50L, 100L, 100L), X6 = c(100L, 
    NA, NA, NA, NA, NA), X61 = c(50L, 50L, 50L, 30L, 70L, 50L 
    ), X62 = c(20L, 50L, 40L, 40L, 50L, 100L), X63 = c(50L, 0L, 
    100L, 10L, 50L, 100L), X64 = c(60L, 30L, 0L, 50L, 50L, 50L 
    ), X65 = c(50L, 50L, 70L, 80L, 50L, 50L), X66 = c(70L, 40L, 
    10L, 90L, 60L, 50L), X67 = c(30L, 50L, 50L, 0L, 50L, 60L), 
    X68 = c(30L, 0L, 0L, 40L, 70L, 80L), X69 = c(30L, NA, 70L, 
    10L, 0L, 20L), X70 = c(80L, NA, 50L, 50L, 70L, 100L), X7 = c(100L, 
    NA, NA, NA, NA, NA), X71 = c(70L, NA, 50L, 100L, 100L, 100L 
    ), X72 = c(60L, NA, 70L, 50L, 80L, 50L), X73 = c(80L, NA, 
    80L, 80L, 80L, NA), X74 = c(50L, NA, 50L, 0L, 50L, NA), X75 = c(30L, 
    NA, 70L, 10L, 80L, NA), X76 = c(70L, NA, 40L, 80L, 100L, 
    NA), X77 = c(80L, NA, 50L, 100L, 40L, NA), X78 = c(80L, NA, 
    0L, 0L, 0L, NA), X79 = c(80L, NA, 50L, 50L, 50L, NA), X80 = c(40L, 
    NA, 90L, 70L, 60L, NA), X8 = c(50L, NA, NA, NA, NA, NA), 
    X81 = c(70L, NA, 60L, 40L, 80L, NA), X82 = c(80L, NA, 100L, 
    60L, 60L, NA), X83 = c(30L, NA, 100L, 30L, 0L, NA), X84 = c(80L, 
    NA, 0L, 60L, 100L, NA), X85 = c(80L, NA, 50L, 40L, 30L, NA 
    ), X86 = c(50L, NA, 90L, 50L, 50L, NA), X87 = c(80L, NA, 
    50L, 70L, 20L, NA), X88 = c(40L, NA, 70L, 30L, 90L, NA), 
    X89 = c(50L, NA, 50L, 80L, 80L, NA), X90 = c(90L, NA, 100L, 
    60L, 100L, NA), X91 = c(0L, NA, 0L, 0L, 0L, NA), X9 = c(100L, 
    NA, NA, NA, NA, NA), X92 = c(50L, NA, 70L, 90L, 80L, NA), 
    X93 = c(40L, NA, 50L, 50L, 50L, NA), X94 = c(40L, NA, 0L, 
    60L, 40L, NA), X95 = c(90L, NA, 100L, 40L, 50L, NA), X96 = c(50L, 
    NA, 50L, 50L, 50L, NA), X97 = c(60L, NA, 60L, 100L, 50L, 
    NA), X98 = c(40L, NA, 40L, 0L, 0L, NA), X99 = c(30L, NA, 
    0L, 50L, 70L, NA)), .Names = c("X", "X100", "X10", "X1", 
"X11", "X12", "X13", "X14", "X15", "X158", "X159", "X160", "X16", 
"X161", "X162", "X163", "X164", "X165", "X166", "X167", "X168", 
"X169", "X170", "X17", "X171", "X172", "X173", "X174", "X175", 
"X176", "X177", "X178", "X179", "X180", "X18", "X181", "X182", 
"X183", "X184", "X185", "X186", "X187", "X188", "X189", "X190", 
"X19", "X191", "X192", "X193", "X194", "X195", "X196", "X197", 
"X198", "X199", "X200", "X20", "X201", "X202", "X203", "X204", 
"X205", "X206", "X207", "X2", "X21", "X22", "X23", "X24", "X25", 
"X26", "X27", "X28", "X29", "X30", "X3", "X31", "X32", "X33", 
"X34", "X35", "X36", "X37", "X38", "X39", "X40", "X4", "X41", 
"X42", "X43", "X44", "X45", "X46", "X47", "X48", "X49", "X50", 
"X5", "X51", "X52", "X53", "X54", "X55", "X56", "X57", "X58", 
"X59", "X60", "X6", "X61", "X62", "X63", "X64", "X65", "X66", 
"X67", "X68", "X69", "X70", "X7", "X71", "X72", "X73", "X74", 
"X75", "X76", "X77", "X78", "X79", "X80", "X8", "X81", "X82", 
"X83", "X84", "X85", "X86", "X87", "X88", "X89", "X90", "X91", 
"X9", "X92", "X93", "X94", "X95", "X96", "X97", "X98", "X99"), row.names = c(NA, 
6L), class = "data.frame") 

Cualquier penetración sería muy apreciada.

De algunos intentos en el pequeño conjunto de datos anterior, parece que el número se calcula para cada fila, pero cuando devuelvo el objeto res, simplemente me da el valor final. ¿Cómo puedo arreglar esto?

Answer 1

Hay dos formas de utilizar las funciones de familia apply. O haces

apply(mat, 1, sum, na.rm=TRUE) 

si desea aplicar la función sum() a cada fila, pasar parámetros adicionales como na.rm=TRUE. O se puede hacer

apply(mat, 1, foo) 

donde foo() es una función de su propia, definida externamente, por ejemplo,

foo <- function(x) sum(x==0, na.rm=TRUE) 

Tenga en cuenta que el manejo NA también puede ser tratado con un parámetro de la función en sí, con el valor predeterminado establecido en TRUE, en la definición anterior, como en

foo2 <- function(x, no.na=TRUE) sum(x==0, na.rm=no.na) 

y se puede llamar como apply(mat, 1, foo2, no.na=F) aunque en realidad no tiene sentido con la función sum() (a menos que desee comprobar si hay valores NA, pero en este caso es mejor usar is.na() :-).

Finalmente, puede definir su función directamente en línea como

apply(mat, 1, function(x) sum(x==0, na.rm=TRUE)) 

En su caso, me da

> apply(mat, 1, function(x) sum(x==0, na.rm=TRUE)) 
1 2 3 4 5 6 
22 4 9 8 7 2 

lo que equivale a apply(ex, 1, foo).

Answer 2

Llamemos a su conjunto de datos dat. Puede usar table() para obtener una tabla de frecuencias para cada valor en su conjunto de datos. Si desea aplicar eso a todos los datos en el marco de datos, forzar a los datos en un único vector, y el uso de table() en el vector resultante:

table(do.call('c', dat)) 

Esto le da:

> table(do.call('c', dat)) 
    0 1 2 3 4 5 6 10 20 30 40 50 60 70 80 90 100 
52 1 1 1 1 1 1 10 16 21 25 76 19 25 37 14 45 

si desee comprobar las frecuencias para las columnas individuales, sólo tiene que hacer:

apply(dat, 1, table) 

Answer 3

estoy tratando de abordar el planteamiento del problema, en lugar de correcitng el problema de codificación en lo que parecía ser una inicial esfuerzo parcial. Para contar el número de veces en una fila, utilice 'aplicar' con 'tabla'

> apply(dfrm, 1, table) 
$`1` 

    0 1 10 20 30 40 50 60 70 80 90 100 
22 1 5 12 14 12 26 7 10 19 7 16 

$`2` 

    0 2 10 30 40 50 80 100 
    4 1 1 1 2 6 1 3 

$`3` 

    0 3 10 40 50 60 70 80 90 100 
    9 1 1 3 13 3 8 3 3 7 

$`4` 

    0 4 10 20 30 40 50 60 70 80 90 100 
    8 1 3 1 3 5 11 4 3 5 2 5 

$`5` 

    0 5 20 30 40 50 60 70 80 90 100 
    7 1 1 3 3 13 3 4 7 2 7 

$`6` 

    0 6 20 50 60 80 100 
    2 1 2 7 2 2 7 

Y note que este resultado incluye como subconjunto del x == 0 caso:

> sapply(apply(dfrm, 1, table), function(x) x['0']) 
1.0 2.0 3.0 4.0 5.0 6.0 
22 4 9 8 7 2 

Answer 4

Para los datos en un data.frame llamado df,

sapply(df + 1, tabulate, 101) 

produce una matriz de 101 x 151, donde las filas corresponden a 0, 1, ..., 100 y las columnas a las 151 muestras; una matriz puede ser conveniente para el cálculo posterior, y tabular es más rápido que la tabla.