R语言：按分组独立获取各分类变量的最频繁因子水平

你需要按population分组后，独立统计每个变量（var1/var2/var3）的最频繁取值，而非变量组合的频次。你之前的代码用count(population, var1, var2, var3)统计的是三个变量的组合出现次数，所以得到的是组合的最常见结果，不符合需求。

解决方案 #

首先定义一个获取向量最频繁值的函数：

get_mode <- function(x) {
  freq_table <- table(x)
  names(freq_table)[which.max(freq_table)]
}

然后结合dplyr的分组和批量汇总功能实现需求：

library(dplyr)

# 你的原始数据框
df <- data.frame(
  population = c(rep("A", 3), rep("B", 5), rep("C", 2)),
  var1 = c(rep("apple", 5), rep("banana", 5)),
  var2 = c(rep("blue", 2), rep("red", 4), rep("green", 4)),
  var3 = c(rep("pizza", 7), rep("soup", 3))
)

# 分组后独立计算每个变量的最频繁值
result <- df %>%
  group_by(population) %>%
  summarise(across(c(var1, var2, var3), get_mode))

print(result)

输出结果 #

# A tibble: 3 × 4
  population var1   var2  var3 
  <chr>      <chr>  <chr> <chr>
1 A          apple  blue  pizza
2 B          banana red   pizza
3 C          banana green soup 

代码说明 #

1. get_mode函数：通过table()统计每个值的出现频次，再用which.max()找到频次最高的值对应的名称。
2. across(c(var1, var2, var3), get_mode)：批量对指定变量应用get_mode函数，每个变量在分组内独立计算，而非组合统计。
3. 如果后续变量数量增加，只需修改across里的变量列表即可，无需逐个写变量名。

内容的提问来源于stack exchange，提问作者nrcombs