r - 如何从 R 中的数据框中删除包含唯一因子水平的行？

Question

我有一个名为 Keywords 的列，它是一个具有 150 个级别的因子数据类型。这些级别中的大多数是其他级别或拼写错误的组合。我想删除所有 Keyword 级别只有 1-5 个实例的行。我怎么做？

例如:

假设我有 300 行以“a”作为关键字，几百个“b”和几百个“c”。但后来我有 100 个其他级别应该是这三个级别之一，但有一些变体，如“A 1”或“A2”。我只是想了解一下数据，但所有相对低出现的水平都在抛弃所有图表。

Answer 1

有点像

tt <- table(dd$Keywords)
rare_levels <- names(tt)[tt<5]
dd <- subset(dd,!Keywords %in% rare_levels)

您可以使用 dd$Keywords <- factor(dd$Keywords)或 dd$Keywords <- droplevels(dd$Keywords)在子集化以从级别列表中删除稀有因素级别后(观察，而不是级别本身，被 subset 删除)