blocks|key|1639783|text|一种使用dplyr的方法：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1639784|如果您从matrix开始，请首先使用as.data.frame+(或此处为as_tibble)。最后，您无论如何都需要一个data.frame，因为您的表中将同时包含numeric和logical。|1639785|mat+<-+matrix(
+c(T,+F,+F,+T,+F,+T,+T,+T,+F,+F,+T,+F,+F,+T,+T,+T,+T,+T,+F,+F,+T,+F,+F,+T,+F),
+ncol+=+5,
+byrow+=+TRUE,
+dimnames+=+list(NULL,+LETTERS[1:5])
)

library(dplyr)
mat+%25>%25
++as_tibble+%25>%25++++#+convert+matrix+to+tibble,+to+be+able+to+group
++group_by_all+%25>%25+#+group+by+every+column+so+we+can+count+by+group+of+equal+values
++tally+%25>%25++++++++#+tally+will+add+a+count+column+and+keep+distinct+grouped+values
++ungroup++++++++++#+ungroup+the+table+to+be+clean
#>+#+A+tibble:+3+x+6
#>+++A+++++B+++++C+++++D+++++E+++++++++n
#>+++<lgl>+<lgl>+<lgl>+<lgl>+<lgl>+<int>
#>+1+TRUE++FALSE+FALSE+TRUE++FALSE+++++2
#>+2+TRUE++FALSE+FALSE+TRUE++TRUE++++++1
#>+3+TRUE++TRUE++TRUE++FALSE+FALSE+++++2|code-block|syntax|javascript|1639786|由reprex+package创建于2018-05-29+(v0.2.0)。|1639787|和一个基本解决方案：|1639788|df+<-+as.data.frame(mat)
df$n+<-+1
aggregate(n~.,df,sum)
#++++++A+++++B+++++C+++++D+++++E+n
#+1+TRUE++TRUE++TRUE+FALSE+FALSE+2
#+2+TRUE+FALSE+FALSE++TRUE+FALSE+2
#+3+TRUE+FALSE+FALSE++TRUE++TRUE+1|1639789|或者作为一行代码：aggregate(n~.,data.frame(mat,n=1),sum)|1639790|entityMap|0|LINK|mutability|MUTABLE|url|http://reprex.tidyverse.org/^0|4|5|0|4|6|I|D|11|9|1P|A|2B|7|2J|7|0|0|1|E|0|0|0|0|9|12|0^^$0|@$1|2|3|4|5|6|7|12|8|@$9|13|A|14|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|15|8|@$9|16|A|17|B|C]|$9|18|A|19|B|C]|$9|1A|A|1B|B|C]|$9|1C|A|1D|B|C]|$9|1E|A|1F|B|C]|$9|1G|A|1H|B|C]]|D|@]|E|$]]|$1|H|3|I|5|J|7|1I|8|@]|D|@]|E|$K|L]]|$1|M|3|N|5|6|7|1J|8|@]|D|@$9|1K|A|1L|1|1M]]|E|$]]|$1|O|3|P|5|6|7|1N|8|@]|D|@]|E|$]]|$1|Q|3|R|5|J|7|1O|8|@]|D|@]|E|$K|L]]|$1|S|3|T|5|6|7|1P|8|@$9|1Q|A|1R|B|C]]|D|@]|E|$]]|$1|U|3|-4|5|6|7|1S|8|@]|D|@]|E|$]]]|V|$W|$5|X|Y|Z|E|$10|11]]]]

An approach with <code>dplyr</code> :

use <code>as.data.frame</code> (or here <code>as_tibble</code>) first if you start from a <code>matrix</code>. In the end you need to have a <code>data.frame</code> anyway as you'll have both <code>numeric</code> and <code>logical</code> in your table.



<pre class="lang-r prettyprint-override"><code>mat &lt;- matrix(
 c(T, F, F, T, F, T, T, T, F, F, T, F, F, T, T, T, T, T, F, F, T, F, F, T, F),
 ncol = 5,
 byrow = TRUE,
 dimnames = list(NULL, LETTERS[1:5])
)

library(dplyr)
mat %&gt;%
 as_tibble %&gt;% # convert matrix to tibble, to be able to group
 group_by_all %&gt;% # group by every column so we can count by group of equal values
 tally %&gt;% # tally will add a count column and keep distinct grouped values
 ungroup # ungroup the table to be clean
#&gt; # A tibble: 3 x 6
#&gt; A B C D E n
#&gt; &lt;lgl&gt; &lt;lgl&gt; &lt;lgl&gt; &lt;lgl&gt; &lt;lgl&gt; &lt;int&gt;
#&gt; 1 TRUE FALSE FALSE TRUE FALSE 2
#&gt; 2 TRUE FALSE FALSE TRUE TRUE 1
#&gt; 3 TRUE TRUE TRUE FALSE FALSE 2
</code></pre>

Created on 2018-05-29 by the <a href="http://reprex.tidyverse.org" rel="nofollow noreferrer">reprex package</a> (v0.2.0).

And a base solution:

<pre class="lang-r prettyprint-override"><code>df &lt;- as.data.frame(mat)
df$n &lt;- 1
aggregate(n~.,df,sum)
# A B C D E n
# 1 TRUE TRUE TRUE FALSE FALSE 2
# 2 TRUE FALSE FALSE TRUE FALSE 2
# 3 TRUE FALSE FALSE TRUE TRUE 1
</code></pre>

Or as a one liner: <code>aggregate(n~.,data.frame(mat,n=1),sum)</code>

blocks|key|1853911|text|plyr中的count函数就是您要找的(假设m是您的矩阵)：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1853912|plyr::count(m)

#+++x.A+++x.B+++x.C+++x.D+++x.E+freq
#1+TRUE+FALSE+FALSE++TRUE+FALSE++++2
#2+TRUE+FALSE+FALSE++TRUE++TRUE++++1
#3+TRUE++TRUE++TRUE+FALSE+FALSE++++2|code-block|syntax|javascript|1853913|entityMap^0|0|4|6|5|M|1|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]|$9|P|A|Q|B|C]|$9|R|A|S|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|T|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|U|8|@]|D|@]|E|$]]]|L|$]]

<code>count</code> function from <code>plyr</code> is exactly what you are looking for (suppose <code>m</code> is your matrix):

<pre><code>plyr::count(m)

# x.A x.B x.C x.D x.E freq
#1 TRUE FALSE FALSE TRUE FALSE 2
#2 TRUE FALSE FALSE TRUE TRUE 1
#3 TRUE TRUE TRUE FALSE FALSE 2
</code></pre>

blocks|key|1639922|text|如果你有一个在@Mudskipper的答案中定义的对象mat，你可以这样做|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1639923|library(data.table)
dt+<-+as.data.table(mat)

dt[,+.N,+by+=+names(dt)]

#+++++++A+++++B+++++C+++++D+++++E+N
#+1:+TRUE+FALSE+FALSE++TRUE+FALSE+2
#+2:+TRUE++TRUE++TRUE+FALSE+FALSE+2
#+3:+TRUE+FALSE+FALSE++TRUE++TRUE+1|code-block|syntax|javascript|1639924|解释|1639925|by+=+<names>将数据表划分为多个行组，其中<names>中所有变量的值在各行中都是相等的。如果你使用by+=+names(dt)，它将被分成几组，其中所有变量都是相等的。|1639926|.N是给定行组中的观察值数量。|1639927|对于您的编辑，如果您的data.frame名为df，则可以执行以下操作|1639928|setDT(df)+#+convert+to+data+table
df[,+.(rev+=+sum(rev),+total+=+.N),+by+=+A:E]+#+get+desired+output

#+++++++A+++++B+++++C+++++D+++++E+rev+N
#+1:+TRUE+FALSE+FALSE++TRUE+FALSE+++3+2
#+2:+TRUE++TRUE++TRUE+FALSE+FALSE+++5+2
#+3:+TRUE+FALSE+FALSE++TRUE++TRUE+++5+1|1639929|entityMap^0|R|3|0|0|0|0|C|Q|7|1J|E|0|0|2|0|N|2|0|0^^$0|@$1|2|3|4|5|6|7|W|8|@$9|X|A|Y|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|Z|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|10|8|@]|D|@]|E|$]]|$1|M|3|N|5|6|7|11|8|@$9|12|A|13|B|C]|$9|14|A|15|B|C]|$9|16|A|17|B|C]]|D|@]|E|$]]|$1|O|3|P|5|6|7|18|8|@$9|19|A|1A|B|C]]|D|@]|E|$]]|$1|Q|3|R|5|6|7|1B|8|@$9|1C|A|1D|B|C]]|D|@]|E|$]]|$1|S|3|T|5|H|7|1E|8|@]|D|@]|E|$I|J]]|$1|U|3|-4|5|6|7|1F|8|@]|D|@]|E|$]]]|V|$]]

If you have an object <code>mat</code> as defined in @Moody_Mudskipper's answer, you can do

<pre><code>library(data.table)
dt &lt;- as.data.table(mat)

dt[, .N, by = names(dt)]

# A B C D E N
# 1: TRUE FALSE FALSE TRUE FALSE 2
# 2: TRUE TRUE TRUE FALSE FALSE 2
# 3: TRUE FALSE FALSE TRUE TRUE 1
</code></pre>

Explanation

<code>by = &lt;names&gt;</code> divides the data table into groups of rows, where the value of all the variables in <code>&lt;names&gt;</code> is equal across rows. If you do <code>by = names(dt)</code> it will divide into groups where all variables are equal.

<code>.N</code> is the number of observations in the given group of rows.

For your edit, if your data.frame is named <code>df</code>, you can do

<pre><code>setDT(df) # convert to data table
df[, .(rev = sum(rev), total = .N), by = A:E] # get desired output

# A B C D E rev N
# 1: TRUE FALSE FALSE TRUE FALSE 3 2
# 2: TRUE TRUE TRUE FALSE FALSE 5 2
# 3: TRUE FALSE FALSE TRUE TRUE 5 1
</code></pre>

I have a large matrix filled with True/False values under each column. Is there a way I can summarize the matrix so that every row is unique and I have a new column with the sum of how often that row appeared.

Example:

<pre><code> A B C D E
[1] T F F T F
[2] T T T F F
[3] T F F T T
[4] T T T F F
[5] T F F T F
</code></pre>

Would become:

<pre><code> A B C D E total
[1] T F F T F 2
[2] T T T F F 2
[3] T F F T F 1
</code></pre>

<h1>EDIT</h1>

I cbind this matrix with a new column rev so I now have a data.frame that looks like 

<pre><code> A B C D E rev
[1] T F F T F 2
[2] T T T F F 3
[3] T F F T T 5
[4] T T T F F 2
[5] T F F T F 1
</code></pre>

And would like a data.frame that also sums the rev column as follows:

<pre><code> A B C D E rev total
[1] T F F T F 3 2
[2] T T T F F 5 2 
[3] T F F T T 5 1
</code></pre>

Summarise a logical Matrix

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有一个很大的矩阵，在每一列下都填充了True/False值。有没有一种方法可以总结矩阵，使每一行都是唯一的，并且我有一个新的列，其中包含该行出现的频率之和。示例：    A B C D E[1] T F F T F[2] T T T F F[3] T F F T T[4] T T T F F[5] T F F T F...

问总结逻辑矩阵
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问总结逻辑矩阵EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问总结逻辑矩阵
EN