删除水平观察值小于特定值-R 的因子答案

【问题标题】：Dropping factors which levels have observations smaller than a specific value-R删除水平观察值小于特定值-R 的因子
【发布时间】：2016-07-19 00:08:11
【问题描述】：

让我有这样的数据框（df1）和因素：

factor1  factor2  factor3
-------  -------  -------
d        a         x
d        a         x
b        a         x
b        c         x
b        c         y
c        c         y
c        n         y
c        n         y
c        n         y

我想从该数据框中删除其中一个元素的观测值少于 3 个的因子。

在这个数据框中，factor1 有 3 个级别（d、b 和 c）。但是 d 级别的频率为 2。所以我想从这个数据框中删除 factor1。

生成的数据框应为：

factor2  factor3
-------  -------
a         x
a         x
a         x
c         x
c         y
c         y
n         y
n         y
n         y

如何使用 R 来做到这一点？我会很高兴得到任何帮助。非常感谢。

【问题讨论】：

标签： r filtering r-factor

【解决方案1】：

我们可以使用Filter

Filter(function(x) min(nlevels(x))>2, df1)

（基于其中一个点赞帖子的结果）

或者也可以

Filter(function(x) min(tabulate(x))>2, df1)

【讨论】：

这是最好的答案。最快、最紧凑。您应该注意 nlevels() 在所有非因子变量上安全地返回 0。另外，如果我们想让这个规范化，应该参数化：Filter(function(x, max.nlevels=2) ...

【解决方案2】：

这就是你想要的吗？

df <- data.frame(col1=rep(letters[1:4], each=3),
                 col2=rep(letters[1:2], each=6),
                 col3=rep(letters[1:3], each=4))

ddf[, sapply(df, function(x) min(nlevels(x)) > 2)]

【讨论】：

【解决方案3】：

我将创建一个快速帮助函数，通过快速调用table() 来检查每个级别存在多少个唯一实例——查看table(df$fac1) 以了解其工作原理。请注意，这不是很健壮，但应该可以帮助您入门：

df <- data.frame(fac1 = factor(c("d", "d", "b", "b", "b", "c", "c", "c", "c")),
                 fac2 = factor(c("a", "a", "a", "c", "c", "c", "n", "n", "n")),
                 fac3 = factor(c(rep("x", 4), rep("y", 5))),
                 other = 1:9)

at_least_three_instances <- function(column) {
  if (is.factor(column)) {
    if (min(table(column)) > 2) {
      return(TRUE)
    } else {
      return(FALSE)
    }
  } else {
    return(TRUE)
  }
}

df[unlist(lapply(df, at_least_three_instances))]

【讨论】：

【解决方案4】：

您可以尝试使用lapply 和table：

df1[, lapply(c(1,2,3), FUN = function(x) min(table(df1[,x]))) >= 3]

而且，更通用一点：

df1[, lapply(1:ncol(df1), FUN = function(x) min(table(df1[,x]))) >= 3]

【讨论】：