計算R中的頻率和項數的比率？

Question

我有一大組數據保存在一個長列表中。這是第一個六個記錄一個例子：

A <- list(c("JAMES","CHARLES","JAMES","RICHARD"), 
c("JOHN","ROBERT","CHARLES"), 
c("CHARLES","WILLIAM","CHARLES","MICHAEL","WILLIAM","DAVID","CHARLES","WILLIAM"), 
c("CHARLES"), 
c("CHARLES","CHARLES"), 
c("MATTHEW","CHARLES","JACK")) 

我想計算與每個唯一術語中的每個記錄，每個術語出現在記錄的數量發生的相對頻率的總和的比率。

我計算的分子，即與每個獨特的項發生在每一個記錄，這樣的相對頻率的總和：

> B <- lapply(A, function(x)table(x)/length(x)) 
> aggregate(unlist(B), list(names(unlist(B))), FUN=sum) 
Group.1   x 
1 CHARLES 3.2916667 
2 DAVID 0.1250000 
3  JACK 0.3333333 
4 JAMES 0.5000000 
5  JOHN 0.3333333 
6 MATTHEW 0.3333333 
7 MICHAEL 0.1250000 
8 RICHARD 0.2500000 
9 ROBERT 0.3333333 
10 WILLIAM 0.3750000 

我不知道如何計算分母，即數每個詞出現在記錄中，正確儘管如此。我只知道如何計算數據集合中出現的每個學期數：

> table(unlist(A)) 

CHARLES DAVID JACK JAMES JOHN MATTHEW MICHAEL RICHARD ROBERT WILLIAM 
    9  1  1  2  1  1  1  1  1  3 

但多次出現的一些術語記錄中，我想，爲了得到這樣的結果，省略這些重複：

CHARLES DAVID JACK JAMES JOHN MATTHEW MICHAEL RICHARD ROBERT WILLIAM 
    6  1  1  1  1  1  1  1  1  1 

這怎麼能實現？
根據我的例子，我想獲得一個類似的最終輸出：

Group.1   x 
1 CHARLES 0.5486111 
2 DAVID 0.1250000 
3  JACK 0.3333333 
4 JAMES 0.5000000 
5  JOHN 0.3333333 
6 MATTHEW 0.3333333 
7 MICHAEL 0.1250000 
8 RICHARD 0.2500000 
9 ROBERT 0.3333333 
10 WILLIAM 0.3750000 

所以，我怎麼能計算出每個詞出現在記錄的數量，即分母，和比自己？

非常感謝您提前考慮！

Answer 1

當聚集，而不是sum，只需使用mean：

aggregate(unlist(B), list(names(unlist(B))), FUN=mean) 
# Group.1   x 
# 1 CHARLES 0.5486111 
# 2 DAVID 0.1250000 
# 3  JACK 0.3333333 
# 4 JAMES 0.5000000 
# 5  JOHN 0.3333333 
# 6 MATTHEW 0.3333333 
# 7 MICHAEL 0.1250000 
# 8 RICHARD 0.2500000 
# 9 ROBERT 0.3333333 
# 10 WILLIAM 0.3750000 

Answer 2

B <- lapply(A, unique) 
B 
table(unlist(B)) 

CHARLES DAVID JACK JAMES JOHN MATTHEW MICHAEL RICHARD ROBERT WILLIAM 
     6  1  1  1  1  1  1  1  1  1 

從早期的崗位（其中你真的應該有引用user0815）。堅持獨特的表格呼叫。

BL <- lapply(A, function(x)table(unique(x))/length(x)) 
## turn list into a vector 
B <- unlist(BL) 

aggregate(B, list(names(B)), FUN=sum) 
#------------ 
    Group.1   x 
1 CHARLES 2.5416667 
2 DAVID 0.1250000 
3  JACK 0.3333333 
4 JAMES 0.2500000 
5  JOHN 0.3333333 
6 MATTHEW 0.3333333 
7 MICHAEL 0.1250000 
8 RICHARD 0.2500000 
9 ROBERT 0.3333333 
10 WILLIAM 0.1250000