大型分类列数据集：将sapply(table)列表转为变量-标签频率矩阵

我懂你现在的困扰——用sapply(mydata, table)跑出来的是列表格式，但你想要的是一个规整的、行是变量名、列是所有分类标签的频率矩阵，对吧？这其实是因为不同分类列的标签可能不完全一致，导致sapply没法直接生成矩阵，只能返回列表。下面给你几个实用的解决方案，分场景来看：

场景1：所有分类列的标签完全一致 #

如果你的2800个分类列的标签集合是一样的（比如所有列都是1-5这几个标签），那处理起来很简单：先把列表转成矩阵就行，代码如下：

# 先获取每个列的频率列表
freq_list <- sapply(mydata, table)
# 把列表按行绑定成矩阵（行是变量名，列是标签）
freq_matrix <- do.call(rbind, freq_list)

这里要注意，table返回的向量是按标签排序的，只要所有列的标签一致，最终矩阵的列顺序就会统一。

场景2：不同列的标签存在差异 #

如果有的列有独特的标签（比如var1是1-5，var2是-3到2），这时候需要把所有可能出现的标签都作为矩阵的列，没有对应标签的变量就填0。这里给你两种实现方式：

基础R实现 #

不用额外安装包，纯基础R就能搞定：

# 第一步：提取所有列的所有唯一标签
all_labels <- unique(unlist(mydata))  # 如果是因子类型，建议用levels：unique(unlist(lapply(mydata, levels)))

# 定义一个函数，给每个列生成包含所有标签的频率向量（缺失标签填0）
get_full_freq <- function(col) {
  col_freq <- table(col)
  # 初始化全0向量，名字是所有标签
  full_freq <- rep(0, length(all_labels))
  names(full_freq) <- all_labels
  # 把已有标签的频率填进去
  full_freq[names(col_freq)] <- col_freq
  return(full_freq)
}

# 应用到所有列，转置后得到行是变量名的矩阵
freq_matrix <- t(sapply(mydata, get_full_freq))

tidyverse高效实现（推荐大数据集） #

如果你的数据集很大，用dplyr+tidyr的管道语法更直观，效率也不错：

library(dplyr)
library(tidyr)

freq_matrix <- mydata %>%
  # 把宽表转成长表：每一行是一个变量-标签对
  pivot_longer(everything(), names_to = "variable", values_to = "label") %>%
  # 统计每个变量-标签的出现次数
  count(variable, label) %>%
  # 转成宽表：列是标签，缺失的次数填0
  pivot_wider(names_from = "label", values_from = "n", values_fill = 0) %>%
  # 把变量名设为行名
  column_to_rownames("variable")

额外提醒 #

因为你的数据集有2800列，要注意内存问题——如果标签数量很多，最终的矩阵会非常大，确保你的机器有足够内存。另外如果是因子列，建议先检查levels是否正确，避免出现未使用的隐藏水平影响结果。

内容的提问来源于stack exchange，提问作者Ayush