编写此R数据清理功能的更好方法是什么？

Question

我正在编写一个R函数，它接受一个数据帧列（可能最好是类型因子），并将用户定义频率以下的所有条目聚集在一起作为＆＃34;其他。＆＃34;这样做是为了清理数据。

这是我写的：

zcut <- function(column, threshold){
  dft <- data.frame(table(column))
  dft_ind <- sapply(dft$Freq, function(x) x < threshold)
  dft_list <- dft[[1]][dft_ind]
  levels(column)[levels(column) %in% dft_list] <- "Other"
  return(column)
}

我认为这非常简单，但有没有办法让我的代码更简洁或更准确？

我会在Code Review堆栈交换中问过这个问题，虽然我不清楚很多R专家潜伏在那里。

Answer 1

此处您不需要sapply。试试：

dft_ind <- dft$Freq < threshold

这应该可以加速大数据框架的功能。