有条件地删除 R 中的某些行答案

【问题标题】：Conditionally remove certain rows in R有条件地删除 R 中的某些行
【发布时间】：2020-08-11 03:02:06
【问题描述】：

我有一个非常大的数据框，其中一列是捕获的鱼类。这是一个非常简短的示例：

ID = seq(1,50,1)

fishes = c("bass", "jack", "snapper")
common = sample(fishes, size = 50, replace = TRUE)

dat = as.data.frame(cbind(ID, common))

我想删除构成数据比例低于特定百分比的任何物种。对于此处的示例，假设我想删除构成数据不到 30% 的所有物种：

library(dplyr)
nrow(filter(dat, common == "bass"))      #22 rows -> 22/50 -> 44%
nrow(filter(dat, common == "jack"))      #12 rows -> 12/50 -> 24%
nrow(filter(dat, common == "snapper"))   #16 rows -> 16/50 -> 32%

在这里，千斤顶占不到 30% 的行，所以我想删除所有带有千斤顶的行（或所有少于 15 行的物种）。这在这里很容易做到，但实际上我的数据框中有 700 多种鱼类，我想剔除占数据不到 1% 的所有物种（在我的情况下少于 18,003 行） .有没有一种简化的方法来做到这一点，而不必单独过滤掉每个物种？

我想可能是某种循环，如果 common name = "x" 的行数小于 18003，则删除这些行...

【问题讨论】：

标签： r if-statement filter

【解决方案1】：

您也可以在一个管道中执行此操作：

library(dplyr)

dat %>%
  mutate(percentage = n()) %>%
  group_by(common) %>%
  mutate(percentage = n() / percentage) %>%
  filter(percentage > 0.3) %>%
  select(-percentage)

【讨论】：

【解决方案2】：

解决此问题的一种方法是首先创建一个汇总表，然后根据汇总统计信息进行过滤。可能有更直接的方法可以完成同样的事情。

library(dplyr)
set.seed(914) # so you get the same results from sample()

ID = seq(1,50,1)

fishes = c("bass", "jack", "snapper")
common = sample(fishes, size = 50, replace = TRUE)

dat = as.data.frame(cbind(ID, common))  # same as your structure, but I ended up with different species mix

summ.table <-  dat %>%
      group_by(common) %>%
      summarize(number = n()) %>%
      mutate(pct= number/sum(number))
summ.table
# # A tibble: 3 x 3
# common  number   pct
# <fct>    <int> <dbl>
# 1 bass        18  0.36
# 2 jack        18  0.36
# 3 snapper     14  0.28

include <- summ.table$common[summ.table$pct > .3]

dat.selected = filter(dat, common %in% include)

【讨论】：