如何在R中按行获取特定列最频繁分类值及解决pmax错误

你之前用pmax的思路不对哦，pmax是按字符的字典序（或者数值大小）取每行的最大值，完全不是统计出现次数最多的类别，难怪会出错！咱们换个思路，直接逐行统计每个访问类型的出现频率，再提取众数和对应的次数。

方案1：处理包含多值的单元格（比如"SFU,GFU"这种逗号分隔的情况） #

如果你的单元格里有多个访问类型用逗号分隔，咱们先拆分这些值，再统计每个独立类型的出现次数：

library(tidyverse)

# 先模拟你的数据结构（你可以替换成自己的out1）
out1 <- tibble(
  Date = c("2023-01-01", "2023-01-02", "2023-01-03"),
  Col2 = c("GFU", "SFU", "SFU"),
  Col3 = c("GFU", "GFU", "SFU"),
  Col4 = c("SFU", "SFU", "SFU"),
  Col5 = c("GFU,SFU", "SFU", "SFU,GFU")
)

# 定义逐行处理的函数：返回出现次数最多的类型和次数
get_most_frequent <- function(row_data) {
  # 提取2-5列的内容，拆分逗号分隔的多值，转成无空格的向量
  all_values <- str_split(row_data[2:5], ",") %>% 
    unlist() %>% 
    trimws()
  
  # 统计每个值的出现频率
  freq_stats <- table(all_values)
  
  # 找出最大频率值
  max_count <- max(freq_stats)
  # 找出对应的类型（如果有多个并列，这里取第一个，可按需修改）
  top_type <- names(freq_stats)[freq_stats == max_count][1]
  
  # 返回结果
  return(tibble(MAX1 = top_type, Repeat_Count = max_count))
}

# 应用到每一行，合并结果
out1 <- out1 %>%
  rowwise() %>%
  bind_cols(get_most_frequent(c_across(everything()))) %>%
  ungroup()

# 查看结果
print(out1)

运行后，第三行的MAX1会是SFU，Repeat_Count是4，完全符合你的需求——因为拆分后SFU在前三个单元格各出现1次，第四个单元格里也有1次，总共4次。

方案2：不拆分单元格（把每个单元格内容当作单一类别） #

如果你的"SFU,GFU"是一个独立的类别，不需要拆分，那修改函数即可：

get_most_frequent_no_split <- function(row_data) {
  # 直接提取2-5列的内容，去除空格
  all_values <- row_data[2:5] %>% 
    unlist() %>% 
    trimws()
  
  freq_stats <- table(all_values)
  max_count <- max(freq_stats)
  top_type <- names(freq_stats)[freq_stats == max_count][1]
  
  return(tibble(MAX1 = top_type, Repeat_Count = max_count))
}

# 应用函数
out1 <- out1 %>%
  rowwise() %>%
  bind_cols(get_most_frequent_no_split(c_across(everything()))) %>%
  ungroup()

这种情况下第三行的Repeat_Count会是3，因为SFU在三个单元格里出现，SFU,GFU是单独的类别只出现1次。

额外说明：处理并列众数 #

如果某一行有多个类别出现次数相同（比如SFU和GFU都出现2次），你可以修改函数返回所有并列的类别，比如把top_type的代码改成：

top_type <- paste(names(freq_stats)[freq_stats == max_count], collapse = ", ")

这样就会返回类似SFU, GFU的结果。

内容的提问来源于stack exchange，提问作者user12106572