我有一个大型数据库，我想从中创建一个boxplot：
数据：test.hospital
y：测试结果（％）：总共1500个样本
x1：不同年份（2011-2017）
x2：不同的医院（30个不同的医院名称）
各医院的样本量差异很大，因此在某些情况下实际上数据太少，无法对数据说些什么。因此，我想从我的箱线图中排除样本量<15的所有医院。
所以我想做的是创建一个额外的行，其频率为医院采样的时间，并使用该行排除我的箱图的低样本量。
你可能得到的是我对R很新，所以对大多数人来说这是可能的。一个非常简单的问题......我真的很喜欢它的答案......！
非常感谢你：）
答案 0 :(得分：0)
尝试使用compress {
tarGz: {
options: {
archive: './target/dir.tgz'
},
files: [{
cwd: './target/someDirToCompress',
expand: true,
src: './**',
dest: './'
}]
}
}
包。 dplyr有助于区分医院，group_by对其进行统计，mutate选择至少有15次观察的医院。 filter是用于连接函数的管道符号。
%>%现在使用install.packages(dplyr)
library(dplyr)
test.hospital.filtered <- group_by(test.hospital, x2) %>%
mutate(sampled_count = n()) %>%
filter(sampled_count >= 15)
创建箱图。年份在x轴上，测试结果在y轴上，显示过滤的医院。
ggplot