Tengo dos columnas en la trama de datosconteo de frecuencia de dos columnas en I
2010 1
2010 1
2010 2
2010 2
2010 3
2011 1
2011 2
Quiero contar la frecuencia de ambas columnas y obtener el resultado en este formato
y m Freq
2010 1 2
2010 2 2
2010 3 1
2011 1 1
2011 2 1
Si los datos son df trama de datos con columnas y y m
library(plyr)
counts <- ddply(df, .(df$y, df$m), nrow)
names(counts) <- c("y", "m", "Freq")
Usando sqldf:
sqldf("SELECT y, m, COUNT(*) as Freq
FROM table1
GROUP BY y, m")
Si tuviera una trama de datos muy grande con muchas columnas o no sabían los nombres de columna de antelación, algo como esto podría ser útil:
library(reshape2)
df_counts <- melt(table(df))
names(df_counts) <- names(df)
colnames(df_counts)[ncol(df_counts)] <- "count"
df_counts
y m count
1 2010 1 2
2 2011 1 1
3 2010 2 2
4 2011 2 1
5 2010 3 1
6 2011 3 0
library(data.table)
oldformat <- data.table(oldformat) ## your orignal data frame
newformat <- oldformat[,list(Freq=length(m)), by=list(y,m)]
Una más idiomática versión data.table de respuesta de @ uf sería:
library(data.table) # load package
df <- data.frame(y = c(rep(2010, 5), rep(2011,2)), m = c(1,1,2,2,3,1,2)) # setup data
dt <- data.table(df) # transpose to data.table
dt[, list(Freq =.N), by=list(y,m)] # use list to name var directly
No se trata de correcto o incorrecto. La respuesta es correcta, pero tal vez no tan idiomática. Probablemente debiste proponer una edición en lugar de publicar una respuesta competitiva. –
Hola @DavidArenburg, gracias por los comentarios. Supongo que me entusiasmé con la notación .N en data.table (aunque parece recordar que en ese momento la respuesta de Ugh no parecía funcionar para mí). Tras su sugerencia, edité la respuesta de ugh y la eliminaré, si las modificaciones son aceptadas. También cambié la parte "incorrecta" en mi propia respuesta. – Richard
@DavidArenburg - No debe editar una respuesta para cambiar a una mejor alternativa ([consulte las pautas de revisión del código] (http://meta.stackexchange.com/questions/155538/what-are-the-guidelines-for-reviewing/ 155539 # 155539)). Richard, crear tu propia respuesta fue lo correcto, P. – Scopey
no he visto un dplyr respuesta todavía. El código es bastante simple.
library(dplyr)
rename(count(df, y, m), Freq = n)
# Source: local data frame [5 x 3]
# Groups: V1 [?]
#
# y m Freq
# (int) (int) (int)
# 1 2010 1 2
# 2 2010 2 2
# 3 2010 3 1
# 4 2011 1 1
# 5 2011 2 1
datos:
df <- structure(list(y = c(2010L, 2010L, 2010L, 2010L, 2010L, 2011L,
2011L), m = c(1L, 1L, 2L, 2L, 3L, 1L, 2L)), .Names = c("y", "m"
), class = "data.frame", row.names = c(NA, -7L))
seguro de por qué no se le ofreció, pero también se puede hacer simplemente 'as.data.frame (tabla (df))' –
El único problema con esta solución es que hace una tabla cruzada verdadera, que imprime una fila para los 0 también. Esto podría explotar rápidamente si hay muchos valores m que no están compartidos por la mayoría de los valores y. – pyll