如何计算每列的相同值计数（所有列值都是数字）小于 R 数据集中该列的 40%
How to calculate same value counts for each column (all columns values are numeric) is less than 40% of that column in a dataset in R
在 R 代码中，我想 select 数据集中每列出现相同值的所有变量小于该列的 40%。
我正在应用 sapply，但没有得到正确的输出。
注意：所有列值都是数字。
train = train[, sapply(train, function(col) length(unique(col))) < 0.4*nrow(train)]
请建议如何进行。
通过玩玩具数据集，我发现这段代码有效
train[, sapply(train, function(x) {(sort(table(x), decreasing = TRUE)/nrow(train))[[1]] < 0.4})]
基本上，我为 train 中的每个数字列创建相对频率的 table（按降序排列），然后我检查每个列的最频繁值是否小于40% 的次数。如果是，则选择该列，否则丢弃。
在 R 代码中，我想 select 数据集中每列出现相同值的所有变量小于该列的 40%。 我正在应用 sapply，但没有得到正确的输出。 注意：所有列值都是数字。
train = train[, sapply(train, function(col) length(unique(col))) < 0.4*nrow(train)]
请建议如何进行。
通过玩玩具数据集，我发现这段代码有效
train[, sapply(train, function(x) {(sort(table(x), decreasing = TRUE)/nrow(train))[[1]] < 0.4})]
基本上，我为 train 中的每个数字列创建相对频率的 table（按降序排列），然后我检查每个列的最频繁值是否小于40% 的次数。如果是，则选择该列，否则丢弃。