根据样本大小/频率排除箱线图中的类别
Exclude categories in boxplot according to sample size / frequency
我有一个大型数据库，我想从中创建一个箱线图：
数据：test.hospital
y: 测试结果(%): 共1500个样本
x1：不同年份 (2011-2017)
x2：不同的医院（30 个不同的医院名称）
不同医院的样本量差异很大，因此在某些情况下，实际上数据太少，无法说明数据。因此，我想从我的箱线图中排除样本量 <15 的所有医院。
所以我想做的是创建一个额外的行，其中包含医院抽样次数的频率，并使用该行排除我的箱线图的低样本量..
正如您可能了解到的那样，我对 R 还很陌生，所以对于大多数人来说这是有可能的。一个非常简单的问题...不过我真的很想知道它的答案...！
非常感谢你:)
尝试使用 dplyr 包。 group_by 有助于区分医院，mutate 统计它们，filter 挑选至少有 15 个观察的医院。 %>% 是连接函数的管道符号。
install.packages(dplyr)
library(dplyr)
test.hospital.filtered <- group_by(test.hospital, x2) %>%
mutate(sampled_count = n()) %>%
filter(sampled_count >= 15)
现在使用 ggplot 创建箱线图。 x 轴为年份，y 轴为测试结果，显示筛选后的医院。
install.packages(ggplot)
library(ggplot)
ggplot(test.hospital.filtered, aes(x = x1, y = y, fill = x2)) +
geom_boxplot()
我有一个大型数据库，我想从中创建一个箱线图：
数据：test.hospital
y: 测试结果(%): 共1500个样本
x1：不同年份 (2011-2017)
x2：不同的医院（30 个不同的医院名称）
不同医院的样本量差异很大，因此在某些情况下，实际上数据太少，无法说明数据。因此，我想从我的箱线图中排除样本量 <15 的所有医院。
所以我想做的是创建一个额外的行，其中包含医院抽样次数的频率，并使用该行排除我的箱线图的低样本量..
正如您可能了解到的那样，我对 R 还很陌生，所以对于大多数人来说这是有可能的。一个非常简单的问题...不过我真的很想知道它的答案...！
非常感谢你:)
尝试使用 dplyr 包。 group_by 有助于区分医院，mutate 统计它们，filter 挑选至少有 15 个观察的医院。 %>% 是连接函数的管道符号。
install.packages(dplyr)
library(dplyr)
test.hospital.filtered <- group_by(test.hospital, x2) %>%
mutate(sampled_count = n()) %>%
filter(sampled_count >= 15)
现在使用 ggplot 创建箱线图。 x 轴为年份，y 轴为测试结果，显示筛选后的医院。
install.packages(ggplot)
library(ggplot)
ggplot(test.hospital.filtered, aes(x = x1, y = y, fill = x2)) +
geom_boxplot()