R语言：计算数据框两列数值的跨列出现次数及频率列

需求 #

给目标DataFrame添加以下列：

• count1：对应行col1数值在col1和col2两列中的总出现次数
• count2：对应行col2数值在col1和col2两列中的总出现次数
• Freqcol1：count1占两列总元素数的比例（总元素数=行数×2）
• Freqcol2：count2占两列总元素数的比例

原始数据 #

ID col1 col2
 1   10   12
 2   10   15
 3   10   10

期望输出 #

ID col1 col2 count1 count2 Freqcol1 Freqcol2
 1   10   12      4      1     0.66     0.16
 2   10   15      4      1     0.66     0.16
 3   10   10      4      4     0.66     0.66

你的代码问题 #

你提供的代码存在三个核心问题：

1. 仅统计了数值在单列的出现次数，没有合并两列计算总次数
2. 变量名错误：定义了count1却调用了未定义的count_col1
3. 未实现频率列的计算逻辑

正确解决方案 #

方法1：基础R实现 #

# 构造原始数据框
mydata <- data.frame(
  ID = 1:3,
  col1 = c(10, 10, 10),
  col2 = c(12, 15, 10)
)

# 统计两列所有数值的总出现次数
total_counts <- table(c(mydata$col1, mydata$col2))

# 添加count1、count2列：匹配每行col1/col2对应的总次数
mydata$count1 <- total_counts[as.character(mydata$col1)]
mydata$count2 <- total_counts[as.character(mydata$col2)]

# 计算频率：总元素数为行数×2
total_elements <- nrow(mydata) * 2
mydata$Freqcol1 <- round(mydata$count1 / total_elements, 2)
mydata$Freqcol2 <- round(mydata$count2 / total_elements, 2)

# 查看结果
print(mydata)

方法2：dplyr简洁实现（需要加载tidyverse包） #

library(dplyr)
library(tidyr)

# 构造原始数据框
mydata <- data.frame(
  ID = 1:3,
  col1 = c(10, 10, 10),
  col2 = c(12, 15, 10)
)

# 生成所有数值的总次数表
total_counts <- mydata %>%
  pivot_longer(cols = c(col1, col2), values_to = "value") %>%
  count(value, name = "total")

# 匹配次数并计算频率
mydata <- mydata %>%
  left_join(total_counts, by = c("col1" = "value")) %>%
  rename(count1 = total) %>%
  left_join(total_counts, by = c("col2" = "value")) %>%
  rename(count2 = total) %>%
  mutate(
    total_elements = n() * 2,
    Freqcol1 = round(count1 / total_elements, 2),
    Freqcol2 = round(count2 / total_elements, 2)
  ) %>%
  select(ID, col1, col2, count1, count2, Freqcol1, Freqcol2)

# 查看结果
print(mydata)

结果说明 #

运行代码后输出与期望一致（注：round保留两位小数时，0.666...会显示为0.67，若需与示例完全一致，可调整为format(x, nsmall = 2)或直接保留更多小数后截取）。

内容的提问来源于stack exchange，提问作者akang