有没有办法从数据表中删除少于 N 行的因子，例如 N = 5？
数据:
DT = data.table(x=rep(c("a","b","c"),each=6), y=c(1,3,6), v=1:9,
id=c(1,1,1,1,2,2,2,2,2,3,3,3,3,3,3,4,4,4))
目标:当id的数量小于5时删除行。变量“id”是分组变量，当一个组中的行数小于5时要删除的组。在DT中，需要确定哪些组的成员少于 5 名(组“1”和“4”)，然后删除这些行。
1: a 3 5 2
2: b 6 6 2
3: b 1 7 2
4: b 3 8 2
5: b 6 9 2
6: b 1 1 3
7: c 3 2 3
8: c 6 3 3
9: c 1 4 3
10: c 3 5 3
11: c 6 6 3
这是一种方法......
获取因子的长度以及要保留的因子
nFactors<-tapply(DT$id,DT$id,length)
keepFactors <- nFactors >= 5
然后确定要保留的 ID，并保留这些行。这会产生期望的结果，但是有更好的方法吗？
idsToKeep <- as.numeric(names(keepFactors[which(keepFactors)]))
DT[DT$id %in% idsToKeep,]
最佳答案
由于您从 data.table 开始，因此第一部分使用 data.table 语法。
编辑:感谢 Arun(评论)帮助我改进此数据表答案
DT[DT[, .(I=.I[.N>=5L]), by=id]$I]
# x y v id
# 1: a 3 5 2
# 2: a 6 6 2
# 3: b 1 7 2
# 4: b 3 8 2
# 5: b 6 9 2
# 6: b 1 1 3
# 7: b 3 2 3
# 8: b 6 3 3
# 9: c 1 4 3
# 10: c 3 5 3
# 11: c 6 6 3
在基础 R 中你可以使用
df <- data.frame(DT)
tab <- table(df$id)
df[df$id %in% names(tab[tab >= 5]), ]
# x y v id
# 5 a 3 5 2
# 6 a 6 6 2
# 7 b 1 7 2
# 8 b 3 8 2
# 9 b 6 9 2
# 10 b 1 1 3
# 11 b 3 2 3
# 12 b 6 3 3
# 13 c 1 4 3
# 14 c 3 5 3
# 15 c 6 6 3
关于r - 如何删除少于 n 个成员的因子，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/27048993/