r - 将不相关/相似的观察结果合并为一个(其他)

Question

在对每个社区的感知问题进行调查后，我得到 this dataframe .由于调查有不同的选项可供选择 + 一个开放式选项，因此开放式问题的结果通常是无关紧要的(见下文):

library(dplyr)
library(splitstackshape)
df = read.csv("http://pastebin.com/raw.php?i=tQKHWMvL")

# Splitting multiple answers into different rows.
df = cSplit(df, "Problems", ",", direction = "long")

df = df %>%
  group_by(Problems) %>%
  summarise(Total = n()) %>%
  mutate(freq = Total/sum(Total)*100) %>%
  arrange(rank = desc(rank(freq)))

产生这个数据框:

> df
Source: local data table [34 x 3]

                       Problems Total       freq
1  Hurtos o robos sin violencia   245 25.6008359
2                        Drogas   232 24.2424242
3             Peleas callejeras   162 16.9278997
4               Ningún problema   149 15.5694880
5                    Agresiones    66  6.8965517
6           Robos con violencia    62  6.4785789
7            Quema contenedores     6  0.6269592
8                        Ruidos     5  0.5224660
9                         NS/NC     4  0.4179728
10                    Desempleo     2  0.2089864
..                          ...   ...        ...
>

如您所见，第 9 行之后的结果大多无关紧要(每个选项只有一个或两个受访者)，所以我希望将它们分组为一个选项(例如“其他”)而不会丢失他们的答案与社区的关系(这就是我现在不能重命名这些值的原因)。有什么建议吗？

Answer 1

splitstackshape 导入 data.table 包(因此您甚至不需要 library 它)并分配一个 data.table 类到你的数据集，所以我会简单地从那里继续 data.table 语法，特别是因为当它出现时没有什么比 data.table分配给一个子集。

换句话说，不用这么长的 dplyr 管道，你可以简单地做

df[, freq := .N / nrow(df) * 100 , by = Problems]
df[freq < 6, Problems := "OTHER"]

你很高兴。

您可以使用

检查新的汇总表

df[, .(freq = .N/nrow(df) * 100), by = Problems][order(-freq)]
# 1: Hurtos o robos sin violencia 25.600836
# 2:                       Drogas 24.242424
# 3:            Peleas callejeras 16.927900
# 4:              Ningֳ÷n problema 15.569488
# 5:                   Agresiones  6.896552
# 6:          Robos con violencia  6.478579
# 7:                        OTHER  4.284222