从数据集中删除提及次数太少的项目

Question

我是新手 R 用户，我对遇到的问题有疑问:

• 非常大的数据集(将近 80 万行)
• 此数据集列出了 90 年代美国政客的所有贡献

经过一些数据清理后，我需要将列表缩小到更易于管理的大小。由于我对不止一次捐赠的贡献者感兴趣，因此我决定尝试像这样限制数据集的大小。

数据集加载为“cont”

我的意图:

1. 映射提及频率:

   > table(cont$contributor_name) -> FreqCon
   > subset(FreqCon,Freq>4) -> FMI
   

2. 插入一个名为“include”的额外列作为 cont[,43]，用于判断我是否应该将其子集化为 TRUE 或 FALSE

   for(i in 1:dim(FMI)[1]){
   + ifelse(cont[i,11] %in% FMI[,1],cont[i,43] <- TRUE, cont[i,43] <- FALSE) }
   

3. 根据cont$include

   对数据集进行子集化

我希望这是所有相关信息。如果需要，我很乐意提供更多信息!另外:cont[,11] = cont$contributor_name

问题:目前，R 正在非常努力地工作，但似乎并没有改变列中的任何内容。我对自己做错了什么感到困惑，因为我没有收到任何 warnings() 或错误。

也许我正在尝试重新发明轮子，所以如果能以任何方式完成我打算做的事情，我们将不胜感激!

Answer 1

你不需要循环。这就是矢量化旨在解决的问题。

FreqCon <- table(cont$contributor_name)
FMI <- names(FreqCon)[FreqCon > 4]
small_cont <- subset(cont, contributor_name %in% FMI)