web-dev-qa-db-ja.com

グループごとの行数に基づくサブセットデータフレーム

次のようなデータがあり、「名前」が3回以上出現します。

df <- data.frame(name = c("a", "a", "a", "b", "b", "c", "c", "c", "c"), x = 1:9)

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5
6    c 6
7    c 7
8    c 8
9    c 9

name変数の各レベル内の行（観測）の数に基づいてデータをサブセット化（フィルター）したいと思います。 nameの特定のレベルが3回以上発生する場合は、そのレベルに属するすべての行を削除します。したがって、この例では、そのグループにname == c行があるため、> 3の観測を削除します。

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

私はこのコードを書きましたが、機能させることができません。

as.data.frame(table(unique(df)$name))
subset(df, name > 3)
rdataframesubsetr-faq
24
SJSU2013

最初に、2つのbase代替案。 1つはtableに依存し、もう1つはaveとlengthに依存します。次に、2つのdata.table 方法。

1. table

tt <- table(df$name)

df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

ステップバイステップで説明したい場合：

# count each 'name', assign result to an object 'tt'
tt <- table(df$name)

# which 'name' in 'tt' occur more than three times?
# Result is a logical vector that can be used to subset the table 'tt'
tt < 3

# from the table, select 'name' that occur < 3 times
tt[tt < 3]

# ...their names
names(tt[tt < 3])

# rows of 'name' in the data frame that matches "the < 3 names"
# the result is a logical vector that can be used to subset the data frame 'df'
df$name %in% names(tt[tt < 3])

# subset data frame by a logical vector
# 'TRUE' rows are kept, 'FALSE' rows are removed.
# assign the result to a data frame with a new name
df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

2. aveおよびlength

@flodelが示唆しているように：

df[ave(df$x, df$name, FUN = length) < 3, ]

3. data.table：.Nおよび.SD：

library(data.table)
setDT(df)[, if (.N < 3) .SD, by = name]

4. data.table：.Nおよび.I：

setDT(df)
df[df[, .I[.N < 3], name]$V1]

関連するQ＆A グループごとの観測/行の数をカウントし、データフレームに結果を追加する も参照してください。

53
Henrik

dplyrパッケージの使用：

_df %>%
  group_by(name) %>%
  filter(n() < 4)

# A tibble: 5 x 2
# Groups:   name [2]
  name      x
  <fct> <int>
1 a         1
2 a         2
3 a         3
4 b         4
5 b         5
_

n()は、現在のグループの観測値の数を返すので、_group_by_の名前を付けて、グループの一部である行のみを保持し、そのグループの行数が4。

32
Joe

dpylrパッケージを使用するさらに別の方法は、count関数を使用してから、元のデータフレームで準結合を行うことです。

library(dplyr)

df %>% 
  count(name) %>%
  filter(n <= 3) %>%
  semi_join(df, ., by = "name")
1
Cettt