1

Para dar claridad al problema tengo el siguiente conjunto de datos:

df<-data.frame(id=1:7,var1=c(1,2,5,6,4,NA,NA),var2=c(1,3,5,7,1,1,NA),var3=c(3,5,2,1,1,NA,NA),var4=c(3,5,2,2,NA,NA,NA),var5=c(2,5,2,3,NA,NA,NA))



df
   id var1 var2 var3 var4 var5
1   1    1    1    3    3    2
2   2    2    3    5    5    5
3   3    5    5    2    2    2
4   4    6    7    1    2    3
5   5    4    1    1   NA   NA
6   6   NA    1   NA   NA   NA
7  NA   NA   NA   NA   NA   NA

Quiero generar una nueva columna, llamada var6 con el valor que más se repite por fila (la moda por fila), en las filas var1 a var5. Pero ahí no acaba, en caso de que no exista moda (como en la fila 1 del df), var6 tomará valor 99. En conclusión busco que quede así:

df
  id var1 var2 var3 var4 var5 var6
1  1    1    1    3    3    2   99
2  2    2    3    5    5    5    5
3  3    5    5    2    2    2    2
4  4    6    7    1    2    3   99
5  5    4    1    1   NA   NA    1
6  6   NA    1   NA   NA   NA    1
7  7   NA   NA   NA   NA   NA   NA

Por cierto, agregué la columna id para destacar que tengo mas columnas en el df y no solo las que quiero comparar.

De antemano agradezco cualquier ayuda.

1 respuesta 1

1

Entiendo que buscas que regrese la moda cuando es unimodal, 99 cuando es multimodal y NA cuando toda la fila tiene NA (que no 99).

El código que sigue lo hace. No es muy elegante, pero funciona. Es R base, así que no tiene dependencias.

# Calcula la moda y regresa una lista si es multimodal
moda <- function(x, useNA = "no") {
  xtabla <- table(x, useNA = useNA)             
  names(xtabla[xtabla == max(xtabla)])}

#Se aplica al data.frame por fila, regresa una lista
# No considero a id aquí, deberías ubicar un vector con los 
# índices de columna de las variables que quieres excluir
# en -c()
apply(df[ , -c(1)], 1, moda) -> maximos

#Si es multimodal le asigna "99", si no deja el valor de la moda
ifelse(sapply(maximos, length) > 1, "99", maximos) -> vector_modas

# Si todos eran NA en el data.frame la función moda regresa NULL, aquí lo pasamos a NA
vector_modas[sapply(vector_modas, is.null)] <- NA

#Ubicamos al vector como var6 del df
#El as.numeric podría estar sobrando
df$var6 <- as.numeric(unlist(vector_modas))

df

  id var1 var2 var3 var4 var5 var6
1  1    1    1    3    3    2   99
2  2    2    3    5    5    5    5
3  3    5    5    2    2    2    2
4  4    6    7    1    2    3   99
5  5    4    1    1   NA   NA    1
6  6   NA    1   NA   NA   NA    1
7  7   NA   NA   NA   NA   NA   NA

En esta pregunta puedes encontrar algunas comentarios sobre la moda y sobre qué se espera de la función moda().

1
  • Gracias. En efecto hace lo que necesitaba. Como lo usaré en diferentes tablas modifiqué levemente el código para que fuera una función. Además probé también apply(df[ , -c(1)], 1, moda) -> maximos usandoapply(df[ , c(2:7)], 1, moda) -> maximos. Sé que en el ejemplo que puse era más adecuada tu solución, sin embargo, en los datos reales tengo mas columnas a no incluir que a incluir. Estaré revisando la pregunta que mencionaste.
    – jgaitan
    Commented el 17 jun. 2019 a las 22:01

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.