根据出现次数从数据集中清除观察结果

Question

我有一个数据框，其中一个变量是分类的，并且具有大量可能的值。我试图以一种方式处理这个数据框，删除任何少于X次的分类变量实例。

例如，如果我将汽车品牌作为变量处理，它可能看起来像：

Toyota
Ford
Lexus
Ford
Acura
Subaru
Dodge
Ford
Ford
Lexus
...
...
...

我想删除汽车制造分类器的次数少于十次的所有观察结果。例如，如果福特，雷克萨斯和丰田出现了30次，20次和15次，而其他所有出现的次数都少于10次，我想删除与这些品牌相关的所有其他条目。

我知道像

这样的命令

cars.processed <- which(table(cars$make) > 10)

会产生一个整数计数，表明有多少分类符符合要求的标准，但我不知道如何从那里继续前进。

感谢您的帮助！

Answer 1

让我们假设DF是您的data.frame，x是问题列，thr是您的门槛：

thr <- 3
keep <- names(which(table(DF$x) > thr))
DF   <- DF[DF$x %in% keep, ]

# optionally, drop levels
DF$x <- droplevels(DF$x)

这是一个data.table解决方案：

library(data.table)

DT <- data.table(DF)

DT[x %in% names(which(table(x)>thr))]

或者，如果你不介意根据x重新排序你的行，它会变得更加简洁

DT <- data.table(DF, key="x")

DT[.(names(which(table(x)>thr)))]