子集在单一情况下工作，但在迭代数据帧时不工作

Question

我正在尝试对因子水平频率超过 10 的数据框进行子集化。

如果 dogs 是数据框中某个特征的名称：

不起作用：

somevar <- "dogs"
df <- subset(df, with(df, somevar %in% names(which(table(somevar)>=10))))

返回 0 个观测值的 df

有效：

df <- subset(df, with(df, dogs %in% names(which(table(dogs)>=10))))

返回 df 并减少几行，因为那些频率小于 10 的狗的级别已被删除

有什么区别，为什么第二个有效，而前一个无效？

由于我需要遍历数据框中的特征，我需要不起作用的方法来工作！我想将特征名称向量传递给 for 循环

可重现的例子：

vegetables <- c("carrots", "carrots", "carrots", "carrots", "carrots")
animals <- c("cats", "dogs", "dogs", "fish", "cats")
df <- data.frame(vegetables, animals)
df
  vegatables animals
1    carrots    cats
2    carrots    dogs
3    carrots    dogs
4    carrots    fish
5    carrots    cats
> str(df)
'data.frame':   5 obs. of  2 variables:
 $ vegatables: Factor w/ 1 level "carrots": 1 1 1 1 1
 $ animals   : Factor w/ 3 levels "cats","dogs",..: 1 2 2 3 1

我想删除任何因子特征观察频率小于 2 的观察值。在这种情况下，动物因子中水平鱼的频率为 1，因此我希望 df 减少一个观察值：

> test <- subset(df, with(df, animals %in% names(which(table(animals) >= 2))))
> test
  vegatables animals
1    carrots    cats
2    carrots    dogs
3    carrots    dogs
5    carrots    cats

太棒了。

除非我这样做时它不起作用：

categoricals <- names(df)

for ( i in categoricals ) {
  test <- subset(df, with(df, i %in% names(which(table(i) >= 10))))
}

返回一个空的数据框df。我希望它返回的结果与上面的测试 df 完全相同。

类似的：

i <- "animals"
test <- subset(df, with(df, i %in% names(which(table(i) >= 2))))
> test
[1] vegatables animals   
<0 rows> (or 0-length row.names)

我希望最后一个示例能够像我直接在 with 函数中输入动物时那样工作。

Answer 1

请注意，只要其中一个因素低于您所需的阈值，此方法就会从两列中删除行。

vegetables <- c("carrots", "carrots", "carrots", "carrots", "carrots","onion","onion")
animals <- c("cats", "dogs", "dogs", "fish", "cats", "mice","cows")
df <- data.frame(vegetables, animals)

categoricals <- names(df)

for ( i in categoricals ) 
{
  test <- df[df[,i] %in% names(which(table(df[,i]) >= 2)),]
}
test
  vegetables animals
1    carrots    cats
2    carrots    dogs
3    carrots    dogs
5    carrots    cats

Answer 2

您应该使用每只动物的观察次数创建一个新数据框，将该数据合并到原始数据中，然后以正常方式子集：

vegetables <- c("carrots", "carrots", "carrots", "carrots", "carrots")
animals <- c("cats", "dogs", "dogs", "fish", "cats")
df <- data.frame(vegetables, animals)

library(dplyr)
n_animals <- count(df, animals)

merge(df, n_animals, by = "animals") %>%
  filter(n >= 2)

#   animals vegetables n
# 1    cats    carrots 2
# 2    cats    carrots 2
# 3    dogs    carrots 2
# 4    dogs    carrots 2