Подмножество фрейма данных на основе количества строк в группе

Question

У меня есть такие данные, где некоторые "имя" встречаются более 3 раз:

df <- data.frame(name = c("a", "a", "a", "b", "b", "c", "c", "c", "c"), x = 1:9)

Я хочу поместить (отфильтровать) данные на основе количества строк (наблюдений) в пределах каждого уровня переменной "имя". Если определенный уровень "name" встречается более 3 раз, я хочу удалить все строки, принадлежащие этому уровню.

Я написал этот код, но не могу заставить его работать.

as.data.frame(table(unique(df)$name))
subset(df, name > 3)

Answer 1

Первые два base альтернативы. Один полагается на tableи другой на ave а также length, Тогда два data.table пути.

---

1. table

tt <- table(df$name)

df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

---

Если вы хотите пройти это шаг за шагом:

# count each 'name', assign result to an object 'tt'
tt <- table(df$name)

# which 'name' in 'tt' occur more than three times?
# Result is a logical vector that can be used to subset the table 'tt'
tt < 3

# from the table, select 'name' that occur < 3 times
tt[tt < 3]

# ...their names
names(tt[tt < 3])

# rows of 'name' in the data frame that matches "the < 3 names"
# the result is a logical vector that can be used to subset the data frame 'df'
df$name %in% names(tt[tt < 3])

# subset data frame by a logical vector
# 'TRUE' rows are kept, 'FALSE' rows are removed.
# assign the result to a data frame with a new name
df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

---

2. ave а также length

Как предложено @flodel:

df[ave(df$x, df$name, FUN = length) < 3, ]

---

3. data.table: .N а также .SD:

library(data.table)
setDT(df)[, if (.N < 3) .SD, by = name]

---

4. data.table: .N а также .I:

setDT(df)
df[df[, .I[.N < 3], name]$V1] 

---

См. Также число вопросов и ответов, относящихся к количеству наблюдений / строк на группу, и добавьте результат во фрейм данных.

Answer 2

С использованием dplyr пакет:

df %>%
  group_by(name) %>%
  filter(n() < 4)

Answer 3

Еще один способ использования dpylr пакет использует count функция, а затем выполнить полусоединение с исходным фреймом данных:

library(dplyr)

df %>% 
  count(name) %>%
  filter(n <= 3) %>%
  semi_join(df, ., by = "name")

Answer 4

В пакете inops есть несколько полезных инфиксных операторов. В этом частном случае оператор %in#% могут выбирать элементы в зависимости от того, сколько раз они встречаются.

library(inops)

df[df$name %in#% 1:3,]

Что возвращает:

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

Вот df$name %in#% 1:3 возвращается TRUEтолько для элементов, встречающихся 1, 2 или 3 раза. Если бы вместо этого мы хотели выбрать элементы, которые встречаются 4 раза, мы бы сделали:

df[df$name %in#% 4,]

Со следующим результатом:

  name x
6    c 6
7    c 7
8    c 8
9    c 9