R语言：按行查找最频繁字符串及其占比并筛选高共识结果

需求说明 #

我有一个data.frame（命名为dat），每行对应一个问题，最多7列存储回答内容，其中包含少量NA值。需要完成以下操作：

• 按行找出出现最频繁的回答，若存在多个回答频率相同且为最高值，返回NA
• 计算该高频回答的占比（以排除NA后的有效回答总数为分母）
• 最终筛选出回答共识度（占比）>70%的问题及对应结果

示例数据 #

dat <- data.frame(rbind(
  A=c("Dog", "Dog", "Cat", "Dog","Dog", "Dog", "Cat"),
  B=c("Dog", "Cat", "Cat", "Cat", "Cat", "Cat", "Cat"),
  C=c("Cat", "Fox", "Fox", "Fish", "Dog", "Mouse", "Rat"),
  D=c("Mouse", "Mouse", "Mouse", "Mouse", "Mouse", "Mouse", "Mouse"),
  E=c("Pigeon", "Pigeon", "Seagull", "Pigeon", "Seagull", "Seagull", "Pigeon"),
  G=c("Fox", "Fox", "Fox", NA, "Dog", "Dog", "Dog")
), stringsAsFactors = FALSE)

现有尝试 #

我尝试用which.max()查找每行最常见的字符串，但无法处理平局情况，也没计算占比：

dat$answer <- apply(dat,1,function(x) names(which.max(table(x))))

期望输出 #

最终希望得到包含原回答列、高频回答、占比的结果，并能筛选出共识度>0.7的行，示例格式如下：

output <- data.frame(
  dat[, 1:7], 
  Answer = c("Dog", "Cat", "Fox", "Mouse", "Pigeon", NA),
  Perc = c(0.71, 0.86, 0.28, 1, 0.57, NA)
)
colnames(output) <- c("X1", "X2", "X3", "X4", "X5", "X6", "X7", "Answer", "Perc")

实现方案 #

可以通过自定义函数结合apply完成需求，具体代码如下：

# 自定义处理每行的函数
get_top_answer <- function(row) {
  # 去掉NA值，保留有效回答
  valid_ans <- na.omit(row)
  # 如果全是NA，直接返回NA
  if (length(valid_ans) == 0) {
    return(c(NA, NA))
  }
  # 计算每个回答的频率
  freq_table <- table(valid_ans)
  # 找到最高频率值
  max_freq <- max(freq_table)
  # 统计有多少个回答达到最高频率
  top_ans <- names(freq_table[freq_table == max_freq])
  # 处理平局情况
  if (length(top_ans) > 1) {
    return(c(NA, NA))
  } else {
    # 计算占比，保留两位小数
    perc <- round(max_freq / length(valid_ans), 2)
    return(c(top_ans, perc))
  }
}

# 逐行应用函数，得到结果矩阵
result_matrix <- t(apply(dat, 1, get_top_answer))
# 转换为数据框，并合并到原数据
output <- cbind(dat, 
                Answer = result_matrix[, 1],
                Perc = as.numeric(result_matrix[, 2]))
# 重命名列（统一为X1-X7格式）
colnames(output)[1:7] <- paste0("X", 1:7)

# 筛选共识度>70%的结果
filtered_output <- output[output$Perc > 0.7, ]

代码说明 #

1. 自定义函数get_top_answer：
   • 先过滤掉该行的NA值，只处理有效回答
   • 计算频率表后，判断是否有多个回答共享最高频率，是则返回NA；否则计算占比并返回结果
2. apply逐行处理：用t()转置结果矩阵，确保每行对应原数据的一行
3. 合并与筛选：将结果合并到原数据框后，直接筛选Perc > 0.7的行即可

运行上述代码后，filtered_output就是符合要求的高共识度问题结果。

内容的提问来源于stack exchange，提问作者Hamadryas