特定列按行众数计算：以最新记录打破平局的实现方案

需求说明：

• 数据集每行对应一名参与者，包含最多4个编码列（FirstCoder到FourthCoder，编码顺序从最早到最新）
• 需要新增一列，返回每行编码列的众数（忽略NA值）；若多个值出现次数相同（平局），选择**编码时间最晚（列位置最靠右）**的那个众数

示例数据集：

fakeData = data.frame(id = 1:3,
                 Condition = c("Essay", "Chat", "Chat"),
                 FirstCoder = c("NA","Essay","Essay"),
                 SecondCoder = c("NA","Chat","Essay"),
                 ThirdCoder = c("Essay","Chat","Chat"),
                 FourthCoder = c("Essay","NA","Chat"))

期望结果：新增列MostRecentModalCode的值为c("Essay", "Chat", "Chat")

问题分析 #

之前尝试的apply方法存在逻辑错误：

• ModalCode1错误地统计了列名的频率，而非编码值
• 常规Mode函数无法处理平局时选择最新值的需求

解决方案 #

步骤1：预处理数据（将字符串"NA"转为真实缺失值） #

原数据中的"NA"是字符型字符串，需先转为R的原生缺失值NA：

fakeData[fakeData == "NA"] <- NA

步骤2：自定义最新众数计算函数 #

编写函数实现「忽略NA+平局取最新」的逻辑：

get_most_recent_mode <- function(row_values) {
  # 过滤缺失值
  non_na_vals <- na.omit(row_values)
  if (length(non_na_vals) == 0) return(NA)
  
  # 统计各编码值的出现次数
  val_counts <- table(non_na_vals)
  max_count <- max(val_counts)
  # 筛选所有众数候选（出现次数等于最大值的编码）
  mode_candidates <- names(val_counts[val_counts == max_count])
  
  # 处理唯一众数的情况
  if (length(mode_candidates) == 1) {
    return(mode_candidates)
  } else {
    # 反向遍历编码值（从最新到最早），返回第一个匹配的候选值
    for (val in rev(row_values)) {
      if (!is.na(val) && val %in% mode_candidates) {
        return(val)
      }
    }
  }
}

步骤3：将函数应用到数据集 #

选择编码列并按行执行函数：

fakeData$MostRecentModalCode <- apply(
  fakeData[, c("FirstCoder", "SecondCoder", "ThirdCoder", "FourthCoder")],
  1,
  get_most_recent_mode
)

验证结果 #

执行后查看数据集：

> fakeData
  id Condition FirstCoder SecondCoder ThirdCoder FourthCoder MostRecentModalCode
1  1     Essay       <NA>        <NA>      Essay       Essay               Essay
2  2      Chat      Essay        Chat       Chat        <NA>                Chat
3  3      Chat      Essay       Essay       Chat        Chat                Chat

结果完全符合预期。

内容的提问来源于stack exchange，提问作者Nick Byrd