计算每个字符串在 R 中出现的次数

Question

给定一个字符串列表，如何计算每个字符串出现的次数？假设我有一个向量x如下：

x <- c('cat','cat','cat','cat','dog','dog','cat','cow')

我想得到的计数为：

# cat : 5
# dog : 2
# cow : 1

我知道答案不会是这样的格式，而是类似的格式。

Answer 1

有很多方法可以做到这一点。在基础 R 中，这可以使用table()（如评论中所述）来完成，也如下所示：

set.seed(1L)
x <- sample(paste0("V", 1:10), 1e3, TRUE)

table(x)
# x
#  V1 V10  V2  V3  V4  V5  V6  V7  V8  V9 
#  96 110 104  93 112 115  86  90 106  88 

然而，这里有两件事：1）它根据输入字符串自动对结果进行排序，这可能并不总是理想的。2）如果你有一个大向量和/或寻求速度，那么它可能不是正确的选择，因为它似乎无法很好地扩展。

这是第（2）点的一个例子：

set.seed(1L)
x <- sample(paste0("V", 1:1e4), 1e8, TRUE)
system.time(table(x))
#   user  system elapsed 
# 26.899   6.827  36.826 

该data.table包在提供计数的同时保留输入顺序，同时速度非常快。这是使用以下命令在同一向量上的运行时间data.table：

require(data.table)     ## >= 1.9.0
dt <- setDT(list(x=x))  ## create a data.table

system.time(ans1 <- dt[, .N, by=x]) ## get counts
#  user  system elapsed 
# 4.795   0.979   5.839

如果您确实想获得排序后的结果，您可以这样做：setkey(ans1, x)这将按 'x' 列对结果进行排序ans1，这在 中又非常快data.table。

system.time(setkey(ans1, x))
#  user  system elapsed 
# 0.002   0.000   0.003 

对于感兴趣的人来说，这里还对速度进行了比较dplyr-data.frame请注意，这不会保留输入顺序（默认排序），就像table()从基础开始一样。

require(dplyr)                  ## Commit 1362 from github
df <- tbl_df(as.data.frame(dt)) ## get tbl_df object

system.time(ans2 <- df %.% group_by(x) %.% summarise(n()))
#   user  system elapsed 
# 15.983   1.318  17.807 

华泰