数据中的聚合数据

Question

我在R中有以下数据帧

DeptNumber  EmployeeTypeId
         1              10
         1              11
         1              11
         2              23
         2              23
         2              30
         2              40
         3              45
         3              46

我需要生成另一个带有新列MaxEmployeeType的数据格式，该列应该包含对给定DeptNumber重复次数最多的EmployeeTypeId。输出应如下

DeptNumber  MaxEmployeeType 
         1              11
         2              23
         3              45

在departmentNumber=3的情况下，有一个平分，但它可以提供任何一个选项。我不知道这样做的最佳方式是什么？任何帮助都是非常感谢的。

一个类似的问题已经发布了。

How to aggregate data in R with mode (most common) value for each row?

但它有一个限制，只使用plyr & lubridate。如果可能的话，我想要一个最好的解决方案，而不是局限于这两个包。这个问题甚至被否决，可能是因为它可能是家庭作业。

Answer 1

你可以试试：

library(dplyr)
df %>% 
  count(DeptNumber, EmployeeTypeId) %>% 
  top_n(1) %>% 
  slice(1)

或者按照@jazzuro的建议：

count(df, DeptNumber, EmployeeTypeId) %>% slice(which(n == max(n))[1])

这意味着：

#Source: local data frame [3 x 3]
#Groups: DeptNumber [3]
#
#  DeptNumber EmployeeTypeId     n
#       (int)          (int) (int)
#1          1             11     2
#2          2             23     2
#3          3             45     1

Answer 2

尝尝这个。

# Mode function
Mode <- function(x) {
   ux <- unique(x)
   ux[which.max(tabulate(match(x, ux)))]
}
# new data-frame
new_df <- data.frame("DeptNumber" = numeric(0), "MaxEmployeeType" = numeric(0))
# distinct departments
depts <- unique(df$DeptNumber)
# calculate mode for every department
for(dept in depts){
    dept_set <- subset(df, DeptNumber == dept)
    new_df <- rbind(new_df, c(dept, Mode(dept_set$EmployeeTypeId)))
}

R没有任何计算模式的标准函数。上述代码中的模式函数取自Ken的post here。

Answer 3

以下是另一种dplyr解决方案

library(dplyr)

data %>%
  count(DeptNumber, EmployeeTypeId) %>%
  slice(which.max(n))