Question

有没有办法从数据表中删除少于N行的因子，如N = 5？

数据：

DT = data.table(x=rep(c("a","b","c"),each=6), y=c(1,3,6), v=1:9, 
                id=c(1,1,1,1,2,2,2,2,2,3,3,3,3,3,3,4,4,4))

目标：当id的数量小于5时删除行。变量＆＃34; id＆＃34;是分组变量，以及当组中的行数小于5时要删除的组。在DT中，需要确定哪些组的成员少于5个（组＆＃34; 1＆＃34;和＆＃ 34; 4＆＃34;）然后删除这些行。

 1: a 3 5  2
 2: b 6 6  2
 3: b 1 7  2
 4: b 3 8  2
 5: b 6 9  2
 6: b 1 1  3
 7: c 3 2  3
 8: c 6 3  3
 9: c 1 4  3
10: c 3 5  3
11: c 6 6  3

这是一种方法....

获取因素的长度以及要保留的因素

nFactors<-tapply(DT$id,DT$id,length)
keepFactors <- nFactors >= 5

然后识别要保留的ID，并保留这些行。这会产生预期的结果，但是有更好的方法吗？

idsToKeep <- as.numeric(names(keepFactors[which(keepFactors)]))
DT[DT$id %in% idsToKeep,]

Answer 1

由于您从data.table开始，因此第一部分使用data.table语法。

编辑：感谢Arun（评论）帮助我改进此数据表的答案

DT[DT[, .(I=.I[.N>=5L]), by=id]$I]
#     x y v id
#  1: a 3 5  2
#  2: a 6 6  2
#  3: b 1 7  2
#  4: b 3 8  2
#  5: b 6 9  2
#  6: b 1 1  3
#  7: b 3 2  3
#  8: b 6 3  3
#  9: c 1 4  3
# 10: c 3 5  3
# 11: c 6 6  3

在基地R你可以使用

df <- data.frame(DT)
tab <- table(df$id)
df[df$id %in% names(tab[tab >= 5]), ]
#    x y v id
# 5  a 3 5  2
# 6  a 6 6  2
# 7  b 1 7  2
# 8  b 3 8  2
# 9  b 6 9  2
# 10 b 1 1  3
# 11 b 3 2  3
# 12 b 6 3  3
# 13 c 1 4  3
# 14 c 3 5  3
# 15 c 6 6  3

Answer 2

如果不需要使用data.table，则可以使用dplyr：

library(dplyr)

data.frame(DT) %>%
  group_by(id) %>%
  filter(n() >= 5)

如何删除少于n个成员的因子

2 个答案: