R中的分類變量的統計模式（使用mlv）

Question

我想計算分類變量的最頻繁值。我嘗試使用modeest軟件包中的mlv函數，但獲得了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，我需要這樣的：

user mode 
A  blue 
B  green 

我在做什麼錯？我嘗試過使用其他方法，以及mlv(x=color)。根據modeest的幫助頁面，它應該適用於各種因素。

我不想使用table（），因爲我需要一個簡單的函數來創建一個類似於這個問題的彙總表：How to get the mode of a group in summarize in R，但是對於一個分類列。

Answer 1

原因modeest::mlv.factor()不起作用可能實際上是包中的一個錯誤。

在函數mlv.factor()中調用函數modeest:::discrete()。在那裏，這是發生了什麼：

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 

這是返回到mlv.fator()。但levels(f)[tf == max(tf)]等於[1] "blue"，因此as.numeric()無法將其轉換爲數字。

您可以通過查找唯一值並計算它們出現在向量中的次數來計算模式。然後，您可以子集唯一值出現最愛的人（即模式）

找到獨特的顏色：

unique_colors <- unique(color) 

match(color, unique_colors)返回color在unique_colors第一場比賽的位置。 tabulate()然後計算出現顏色的次數。 which.max()返回最高發生值的索引。這個值然後可以被用於子集獨特的顏色。

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

或許更具可讀性使用dplyr

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

返回這兩個選項：

[1] blue 
Levels: blue green pink yellow 

編輯：

可能是創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)))] 
} 

，然後用它在dplyr::summarise()：

library(dplyr) 

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

將返回：

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

Answer 2

你應該嘗試table。例如，which.max(table(color))。