在R语言中按ID分组计算CODCOM众数并新增对应列的实现方法

R基础包没有内置众数计算函数，我们先自定义一个轻量的众数函数，再按ID分组计算即可。针对你100万行的数据集，提供两种常用实现方案：

方案1：dplyr实现（适合熟悉tidyverse语法的用户） #

# 加载依赖包
library(dplyr)

# 自定义众数函数：存在多个众数时默认取频率最高的第一个
get_mode <- function(x) {
  count_table <- table(x)
  as.integer(names(count_table)[which.max(count_table)])
}

# 按ID分组计算众数并新增NEW_COL列，your_data替换为你的数据框变量名
result <- your_data %>%
  group_by(ID) %>%
  mutate(NEW_COL = get_mode(CODCOM)) %>%
  ungroup()

方案2：data.table实现（推荐大数据量使用，100万行运行效率更高） #

# 加载依赖包
library(data.table)

# 转换数据为data.table格式，your_data替换为你的数据框变量名
setDT(your_data)

# 自定义众数函数
get_mode <- function(x) {
  count_table <- table(x)
  as.integer(names(count_table)[which.max(count_table)])
}

# 按ID分组新增列，原地修改数据内存占用更低
your_data[, NEW_COL := get_mode(CODCOM), by = ID]

补充说明 #

• 你给出的预期输出最后一行ID=323032的NEW_COL值为43属于笔误，按逻辑该分组仅1个CODCOM值21，众数应为21，上述代码会输出正确结果。
• 如果业务场景中存在多个相同频率的众数，可自行调整get_mode函数的返回规则，比如返回所有众数拼接值等。

内容的提问来源于stack exchange，提问作者Ramon_88