使用频率提取 R 中的变量

Question

假设我有一个数据框：

我想创建另一个数据框，其中仅包含至少出现 3 次的 x 值（在本例中为 a 和 b），以及它们对应的最高 y 值。

所以我希望输出为：

x   y
a   9
b   13

这里9和13分别是a和b的最大值

我尝试使用：

sort-(table(x,y))

但是没有用。

Answer 1

这里有一个方法，使用subset省略任何出现次数少于3次的x，然后aggregate按组求最大值：

d <- read.table(text='x y
a 1
b 2
a 3
a 4
b 5
c 6
a 7
d 8
a 9
b 10
e 12
b 13
c 15', header=TRUE)


with(subset(d, x %in% names(which(table(d$x) >= 3))),
     aggregate(list(y=y), list(x=x), max))

#   x  y
# 1 a  9
# 2 b 13

为了更好的衡量，dplyr 方法：

library(dplyr)
d %>% 
  group_by(x) %>% 
  filter(n() >= 3) %>% 
  summarise(max(y))


# Source: local data frame [2 x 2]
# 
#    x max(y)
# 1 a      9
# 2 b     13

Answer 2

data.table 包非常适合这个。如果df是原始数据，可以做

library(data.table)
setDT(df)[, .(y = max(y)[.N >= 3]), by=x]
#    x  y
# 1: a  9
# 2: b 13

.N 是一个整数，它告诉我们每个组中有多少行（我们在这里设置为 x）。所以我们只是子集 max(y) 这样 .N 至少是三个。

使用频率提取 R 中的变量

extracting variables in R using frequencies

r

data-mining