如何遍历DataFrame统计频次并生成9×9计数DataFrame？

问题描述 #

我有一个30行9列的DataFrame，所有元素都是1-9的整数。需要统计每一列中每个数字（1到9）的出现次数，最终生成一个9行9列的计数DataFrame——行对应1-9的数字，列对应原DataFrame的列，若某数字在原列中未出现则填充0。

尝试过for循环、tapply、自定义函数，但无法在循环中将结果存入新的DataFrame。以下是尝试的代码：

for (i in seq_along(columnHeaderQuosureList)) {
         original_data_frame %>% 
           group_by(!! columnHeaderQuosureList[[i]]) %>% # Unquote with !!
           count(!! columnHeaderQuosureList[[i]]) %>% 
           print()
       } 

这段代码能打印每列的计数，但将print()替换为return()后，尝试用cbind合并到结果DataFrame时无法成功，需要更优解决方案。

解决方案 #

方法1：使用tidyverse工具链（dplyr + tidyr + purrr） #

通过批量处理每一列，补全1-9的所有值并填充缺失计数为0，最终合并为目标DataFrame：

library(dplyr)
library(tidyr)
library(purrr)

# 定义需要统计的完整数字范围
all_numbers <- 1:9

# 遍历原DataFrame的每一列，生成对应计数向量
count_list <- map(original_data_frame, function(col) {
  tibble(num = col) %>%
    count(num) %>%
    # 补全1-9中未出现的数字，计数填充为0
    complete(num = all_numbers, fill = list(n = 0)) %>%
    # 提取纯计数列
    pull(n)
})

# 将列表转换为9×9的DataFrame，设置行名为1-9
result_df <- as.data.frame(count_list)
rownames(result_df) <- all_numbers

方法2：使用Base R实现（无需额外包） #

利用table函数统计次数，再补全缺失数字的计数：

all_numbers <- 1:9

# 处理每一列，生成包含完整1-9计数的向量
result_list <- lapply(original_data_frame, function(col) {
  col_table <- table(col)
  # 对每个数字检查是否在table中，存在则取对应计数，否则填0
  sapply(all_numbers, function(x) {
    ifelse(as.character(x) %in% names(col_table), col_table[as.character(x)], 0)
  })
})

# 转换为DataFrame并设置行名
result_df <- as.data.frame(result_list)
rownames(result_df) <- all_numbers

说明 #

• 两种方法的核心逻辑一致：先统计列内现有数字的次数，再补全1-9中缺失数字的计数为0，确保每列都有9个对应值。
• 方法1适合熟悉tidyverse管道操作的用户，代码可读性更强；方法2依赖Base R，无需加载第三方包，轻量高效。
• 最终生成的result_df即为9行9列的计数矩阵，完全符合需求。

内容的提问来源于stack exchange，提问作者wiltabone