R中的分类变量的统计模式（使用mlv）

Question

我想计算分类变量的最频繁值。我尝试使用modeest软件包中的mlv函数，但获得了NAs。

user <- c("A","B","A","A","B","A","B","B") 
color <- c("blue","green","blue","blue","green","yellow","pink","blue") 
df <- data.frame(user,color) 
df$color <- as.factor(df$color) 

library(plyr) 
library(dplyr) 
library(modeest) 

summary <- ddply(df,.(user),summarise,mode=mlv(color,method="mlv")[['M']]) 

Warning messages: 
1: In discrete(x, ...) : NAs introduced by coercion 
2: In discrete(x, ...) : NAs introduced by coercion 

summary 
    user mode 
1 A NA 
2 B NA 

然而，我需要这样的：

user mode 
A  blue 
B  green 

我在做什么错？我尝试过使用其他方法，以及mlv(x=color)。根据modeest的帮助页面，它应该适用于各种因素。

我不想使用table（），因为我需要一个简单的函数来创建一个类似于这个问题的汇总表：How to get the mode of a group in summarize in R，但是对于一个分类列。

Answer 1

原因modeest::mlv.factor()不起作用可能实际上是包中的一个错误。

在函数mlv.factor()中调用函数modeest:::discrete()。在那里，这是发生了什么：

f <- factor(color) 
[1] blue green blue blue green yellow pink blue 
Levels: blue green pink yellow 

tf <- tabulate(f) 
[1] 4 2 1 1 

as.numeric(levels(f)[tf == max(tf)]) 
[1] NA 
Warning message: 
NAs introduced by coercion 

这是返回到mlv.fator()。但levels(f)[tf == max(tf)]等于[1] "blue"，因此as.numeric()无法将其转换为数字。

您可以通过查找唯一值并计算它们出现在向量中的次数来计算模式。然后，您可以子集唯一值出现最爱的人（即模式）

找到独特的颜色：

unique_colors <- unique(color) 

match(color, unique_colors)返回color在unique_colors第一场比赛的位置。 tabulate()然后计算出现颜色的次数。 which.max()返回最高发生值的索引。这个值然后可以被用于子集独特的颜色。

unique_colors[which.max(tabulate(match(color, unique_colors)))] 

或许更具可读性使用dplyr

library(dplyr) 
unique(color)[color %>% 
       match(unique(color)) %>% 
       tabulate() %>% 
       which.max()] 

返回这两个选项：

[1] blue 
Levels: blue green pink yellow 

编辑：

可能是创建自己的模式功能的最佳方式：

calculate_mode <- function(x) { 
    uniqx <- unique(x) 
    uniqx[which.max(tabulate(match(x, uniqx)))] 
} 

，然后用它在dplyr::summarise()：

library(dplyr) 

df %>% 
    group_by(user) %>% 
    summarise(color = calculate_mode(color)) 

将返回：

# A tibble: 2 x 2 
    user color 
    <fctr> <fctr> 
1  A blue 
2  B green 

Answer 2

你应该尝试table。例如，which.max(table(color))。