Question

在我的数据框中，我试图根据其各自的频率重命名“名称”列中的某些观测值。也就是说，我想重命名名称频率低于100的观测值。如果任何名称在数据集中出现的次数少于100次，则要在“名称”列中将所有这些观测值重命名为“基础”。这是一个示例：

Game   Home Runs     Name 

1          2        Hank Aaron
2          3        Babe Ruth
3          1        Ted Williams
3          4        Hank Aaron
4          2        Ted Williams
...

如果Ted Williams和Babe Ruth的名字在数据框中出现的次数少于100次，则对于Name列的所有值，它们的名字都将替换为“ Base”。

Game   Home Runs     Name 

1          2        Hank Aaron
2          3        Base
3          1        Base
3          4        Hank Aaron
4          2        Base
...

此外，当我计划使用新的Name向量作为回归中的独立（个体效应）变量进行回归时，我需要将观测值放在同一数据框中。

道歉，如果我过度解释。只是迷路了

Answer 1

library(forcats)

df %>%

   mutate(Name = fct_lump(Name, n = 100, other_level = "Base"))

Answer 2

您可以使用table来计算每个Name在数据框中出现的次数，使用Filter仅保留那些出现次数少于100次的名称，并在原始数据框中进行匹配使用%in%并替换。

df$Name[df$Name %in% names(Filter(I, table(df$Name) < 100))] <- 'Base'

如何根据R中的频率重命名观测值？

2 个答案: