আমার সংখ্যার ভেক্টর রয়েছে:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
আমি কীভাবে আর ভেক্টরে একটি মান x প্রদর্শিত হবে তার সংখ্যা গণনা করতে পারি ?
আমার সংখ্যার ভেক্টর রয়েছে:
numbers <- c(4,23,4,23,5,43,54,56,657,67,67,435,
453,435,324,34,456,56,567,65,34,435)
আমি কীভাবে আর ভেক্টরে একটি মান x প্রদর্শিত হবে তার সংখ্যা গণনা করতে পারি ?
উত্তর:
আপনি কেবল ব্যবহার করতে পারেন 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 তারপরে আপনি এটি সাবসেট করতে পারেন:
> a[names(a)==435]
435
3অথবা আপনি যদি এর সাথে কাজ করতে আরও স্বাচ্ছন্দ্য বোধ করেন তবে এটি একটি ডেটা ফ্রেমে রূপান্তর করুন:
> as.data.frame(table(numbers))
numbers Freq
1 4 2
2 5 1
3 23 2
4 34 2
...a["435"]ইনসেটেড না a[names(a)==435]?
সর্বাধিক সরাসরি উপায় sum(numbers == x)।
numbers == xলজিকাল ভেক্টর তৈরি করে যা প্রতিটি জায়গাতেই সত্য হয় যেটি x হয় এবং যখন যুক্ত হয় তখন sumলজিকাল ভেক্টর সংখ্যায় জোর করা হয় যা সত্যকে 1 এবং FALSE তে 0 তে রূপান্তর করে।
তবে নোট করুন যে ভাসমান পয়েন্ট সংখ্যাগুলির জন্য এমন কিছু ব্যবহার করা ভাল sum(abs(numbers - x) < 1e-6)।
xনির্দিষ্ট নির্দিষ্ট মানের পরিবর্তে ডেটাতে সকলের জন্য উত্তর সরবরাহ করে x। সত্যি কথা বলতে গেলে মূল প্রশ্নটিই ছিল। যেমনটি আমি নীচে আমার উত্তরে বলেছি, "আমি মনে করি এটি বিরল যে আমি একটি মানের ফ্রিকোয়েন্সি জানতে চাই এবং সমস্ত মানগুলিই ..."
আমি সম্ভবত এটি কিছু করতে হবে
length(which(numbers==x))তবে সত্যই, একটি আরও ভাল উপায়
table(numbers)table(numbers)সহজ সমাধানের চেয়ে অনেক বেশি কাজ sum(numbers==x)করতে চলেছে, কারণ এটি তালিকার অন্যান্য সমস্ত সংখ্যার সংখ্যাও বের করে চলেছে।
আমার পছন্দসই সমাধানটি ব্যবহার করে rle, যা কোনও মান (লেবেল, xআপনার উদাহরণে) এবং একটি দৈর্ঘ্য প্রদান করবে, যা প্রতিনিধিত্ব করে যে মানটি কতবার ক্রমান্বয়ে হাজির হয়েছিল।
এর সাথে একত্রিত rleহয়ে sort, আপনার কাছে কোনও মান প্রকাশের সংখ্যা গণনা করার জন্য অত্যন্ত দ্রুত উপায় রয়েছে। এটি আরও জটিল সমস্যার সাথে সহায়ক হতে পারে।
উদাহরণ:
> 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 ...আপনি যে মানটি চান তা যদি না দেখায়, বা আপনাকে সেই মানটি পরবর্তী সময়ের জন্য সঞ্চয় করতে হয় তবে aএকটি করুন 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 1আমি এটি বিরল বলে মনে করি যে আমি একটি মানের সমস্ত ফ্রিকোয়েন্সি জানতে চাই এবং সমস্ত মানগুলিই জানতে চাই না এবং rle মনে হয় এই সমস্তগুলি গণনা এবং সঞ্চয় করার দ্রুততম উপায়।
c(rep('A', 3), rep('G', 4), 'A', rep('G', 2), rep('C', 10))ফিরে আসবে values = c('A','G','A','G','C')এবং lengths=c(3, 4, 1, 2, 10)যা কখনও কখনও দরকারী।
tableদ্রুত when the vector is long(আমি 100000 চেষ্টা করেছি) তবে এটি যখন ছোট হবে (সামান্য 1000 চেষ্টা করেছি) থেকে কিছুটা দীর্ঘ হবে
তার জন্য আর-তে একটি স্ট্যান্ডার্ড ফাংশন রয়েছে
tabulate(numbers)
tabulateহ'ল আপনি শূন্য এবং নেতিবাচক সংখ্যার সাথে ডিল করতে পারবেন না।
tabulate। নোট: sortসাধারণভাবে এর সঠিক ব্যবহারের জন্য প্রয়োজনীয় মনে করা হয়: tabulate(sort(numbers))।
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] 3আপনি যদি পরবর্তী সময়ে উপস্থিতির সংখ্যা গণনা করতে চান তবে আপনি এই sapplyফাংশনটি ব্যবহার করতে পারেন :
index<-sapply(1:length(numbers),function(x)sum(numbers[1:x]==numbers[x]))
cbind(numbers, index)আউটপুট:
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 3আপনি নিম্নলিখিত লাইনে ইচ্ছামত নাম্বার পরিবর্তন করতে পারেন
length(which(numbers == 4))আমি আরও একটি উপায় সুবিধাজনক বলে মনে করি তা হ'ল:
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)))এটি ডেটাসেটকে ফ্যাক্টারে রূপান্তরিত করে, এবং তারপরে সংক্ষিপ্তসার () আমাদের নিয়ন্ত্রণ योग দেয় (অনন্য মানের গণনা)।
আউটপুট হল:
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 এটি পছন্দ হলে ডেটাফ্রেম হিসাবে সংরক্ষণ করা যেতে পারে।
as.data.frame (cbind (সংখ্যা = নাম (গুলি), ফ্রেইক = গুলি), স্ট্রিংসফ্যাক্টর = এফ, সারি.নাম = 1: দৈর্ঘ্য)
এখানে row.names সারি নাম পরিবর্তন করতে ব্যবহৃত হয়েছে। সারি.নাম ব্যবহার না করে, গুলি মধ্যে কলামের নামগুলি নতুন ডাটাফ্রেমে সারি নাম হিসাবে ব্যবহৃত হয়
আউটপুট হল:
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 1টেবিল ব্যবহার করে তবে এর সাথে তুলনা না করে 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 tableআপনি বেশ কয়েকটি সময় বিভিন্ন উপাদান গণনা ব্যবহার করা হয় যখন দরকারী। আপনার যদি কেবল একটি গণনা প্রয়োজন, ব্যবহার করুনsum(numbers == x)
একটি নির্দিষ্ট উপাদান গণনা বিভিন্ন উপায় আছে
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']])লম্বা ভেক্টরগুলির তুলনায় তুলনামূলক দ্রুত এবং একটি সুবিধাজনক আউটপুট দেয় এমন একটি পদ্ধতি ব্যবহার করা হয় lengths(split(numbers, numbers))( এর শেষে এস টি নোট করুন lengths):
# 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 আউটপুট কেবল একটি নামযুক্ত ভেক্টর।
গতিটি জেবেকারrle দ্বারা প্রস্তাবিত এবং তুলনায় বেশ লম্বা ভেক্টরগুলিতে কিছুটা দ্রুত গতিতে দেখা যায়। এখানে প্রস্তাবিত কয়েকটি কার্যক্রমে আর্ট 3.6.2 এ একটি মাইক্রোব্যাঙ্কমার্ক রয়েছে :
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 গুরুত্বপূর্ণভাবে, শুধুমাত্র ফাংশন যে অনুপস্থিত মান রয়েছে তা গণনা NAকরা হয় plyr::count। এগুলি ব্যবহার করে পৃথকভাবে প্রাপ্তও হতে পারেsum(is.na(vec))
এটি এক-মাত্রিক পারমাণবিক ভেক্টরগুলির জন্য খুব দ্রুত সমাধান। এটি নির্ভর করে match(), সুতরাং এটির সাথে সামঞ্জস্যপূর্ণ 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 1আপনি এটি অ্যালগরিদমটিও টুইঙ্ক করতে পারেন যাতে এটি চালিত না হয় 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 2যে ক্ষেত্রে আউটপুটটি কাঙ্ক্ষিত, সেখানে সম্ভবত আপনার আসল ভেক্টরটিকে পুনরায় ফিরিয়ে দেওয়ার প্রয়োজন হয় না এবং দ্বিতীয় কলামটি সম্ভবত আপনার যা প্রয়োজন তা হ'ল। আপনি পাইপের সাহায্যে এক লাইনে এটি পেতে পারেন:
match(x, x) %>% `[`(tabulate(.), .)
#> [1] 3 2 3 2 3 1 2 2এটি একটি সুস্পষ্ট অর্থ সহ outerঅনুসরণের পরে সমতার একটি মেট্রিক্স পাওয়ার জন্য করা যেতে পারে rowSums।
গণনা করার জন্য এবং numbersএকই ডেটাসেটে, প্রথমে একটি ডেটা.ফ্রেম তৈরি করা হয়। আপনি পৃথক ইনপুট এবং আউটপুট চাইলে এই পদক্ষেপের প্রয়োজন হবে না।
df <- data.frame(No = numbers)
df$count <- rowSums(outer(df$No, df$No, FUN = `==`))