將列值與 rowSums 進行比較

Question

我正在嘗試使用 rowSums 但對條件值進行比較。

這是我的數據框示例，基於調查。 行表示參與者，列表示孩子的出生日期。

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06
1  1360  1360  1266  1228  1181  1158    
2  1362  1342  1301  1264  1245  1191 
3  1379    NA    NA    NA    NA    NA  
4  1355  1330  1293  1293  1227  1208  
5  1391  1371  1358  1334  1311  1311

在這里，類似的日期是指雙胞胎。 我想做的是創建一個新列，告訴我每行有多少次這些列的值是相似的。 這會給我類似的東西：

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1

編輯：對不起，我忘了說如果任何數字出現 3 次或更多次，它不應該算作雙胞胎。 最終目標是有 4 列：一列用於單胞胎（當每個數字只出現一次時），一列用於雙胞胎，一列用於三胞胎（如果任何數字出現 3 次），一列用於四胞胎。

我正在使用 dplyr。 由於 data.frame 非常大，我需要指定要比較的列范圍。 我嘗試了以下代碼以及變體：

twins<-df%>%
  mutate(twins= rowSums(select(.,starts_with("b3_")) == select(.,starts_with("b3_")),na.rm=TRUE))

哪個不起作用。 我也玩過其他功能，但找不到解決方案。

您對如何實現這一目標有任何想法嗎？ 我覺得解決方案很簡單，但我是 R 的絕對初學者。

Answer 1

一個簡單的解決方案是

twins <- df%>%
  mutate(twins = apply(., 1, function(x) sum(duplicated(x, incomparables=NA))))

Answer 2

參考我的評論並假設連續n相同的值被計為n-1雙胞胎，定義

countTwins <- function(row) {
  length(row)-length(unique(row))
}

並獲得列twins

twinCol <- apply(df,1,countTwins)

如果您想計算n與1雙胞胎相同的值，請改用 function

countTwins2 <- function(row) {
  sum(table(unname(unlist(row)))>1)
}

根據我的評論更新：

countSinglesTwinsAndTriplets <- function(row) {
  tt <- table(unname(unlist(row)))
  c(sum(tt==1),sum(tt==2),sum(tt==3)) #nr of singletons,twins,triplets
}

addCols <- setNames(data.frame(t(apply(df,1,countSinglesTwinsAndTriplets))),c("singletons","twins","triplets"))

Answer 3

額外的解決方案

根據

df$twins <- apply(df, 1, function(x) length(x) - length(unique(x)) - sum(is.na(x)) + any(is.na(x)))

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1

Answer 4

@Taufi 使用的類似邏輯，但添加了purrr ：

df %>%
 mutate(twins = pmap(across(everything()), ~ sum(duplicated(na.omit(c(...))))))

  b3_01 b3_02 b3_03 b3_04 b3_05 b3_06 twins
1  1360  1360  1266  1228  1181  1158     1
2  1362  1342  1301  1264  1245  1191     0
3  1379    NA    NA    NA    NA    NA     0
4  1355  1330  1293  1293  1227  1208     1
5  1391  1371  1358  1334  1311  1311     1