r - 基于变量中前 N 个最频繁值的子集数据框

Question

我的目标是创建一个长数据框的简单密度或条形图，显示类(class) (MOOC) 中国籍的相对频率。我只是不想要所有的国籍，只想要前 10 名。我在下面创建了这个示例 df + 用于绘图的 ggplot2 代码。

d=data.frame(course=sample(LETTERS[1:5], 500,replace=T),nationality=as.factor(sample(1:172,500,replace=T)))
mm <- ggplot(d, aes(x=nationality, colour=factor(course)))
mm + geom_bar() + theme_classic()

...但正如所说:我想要一个基于频率的整个数据集的子集。以上显示了所有数据。

附注。我为上下文添加了 ggplot2 代码，但也因为 ggplot2 本身可能有一些东西可以使这成为可能(但是我对此表示怀疑)。

编辑 2014-12-11:
目前的答案使用 ddplyr 或 table 方法来到达所需的子集，但我想知道是否有更直接的方法来实现相同的..我现在就让它留下来，看看是否有其他方法。

Answer 1

使用 dplyr功能 count和 top_n获得前 10 名的国籍。因为 top_n考虑到关系，这个例子中包含的国籍数量超过了 10 个。 arrange计数，使用 factor和 levels按降序设置国籍。

# top-10 nationalities
d2 <- d %>%
  count(nationality) %>%
  top_n(10) %>%
  arrange(n, nationality) %>%
  mutate(nationality = factor(nationality, levels = unique(nationality)))

d %>%
  filter(nationality %in% d2$nationality) %>%
  mutate(nationality = factor(nationality, levels = levels(d2$nationality))) %>%
  ggplot(aes(x = nationality, fill = course)) +
    geom_bar()