如何将低频因子分组为R中的另一个因子答案

【问题标题】：How to group factors with low frequence into an 'other' factor in R如何将低频因子分组为R中的另一个因子
【发布时间】：2016-04-06 12:46:16
【问题描述】：

# Generate counts table
library(plyr)
example <- data.frame(count(diamonds,c('color', 'cut')))
example[1:3,]

# Excerpt of table
       color  cut   freq
1      D      Fair  163
2      D      Good  662
3      D Very Good 1513

您可以使用example[example$freq > 1000,] 轻松过滤频率 > 1000 的表。我想生成一个与此类似的表，除非所有值都小于一个值，例如1000 包含在一行中 (Other) 类似于当您有太多因素并调用 summary(example, maxsum=3) 时发生的情况。

     color         cut          freq     
 D      : 5   Fair   : 7   Min.   : 119  
 E      : 5   Good   : 7   1st Qu.: 592  
 (Other):25   (Other):21   Median :1204  
                           Mean   :1541  
                           3rd Qu.:2334  
                           Max.   :4884

理想输出示例：

理想情况下我想转换这个example[example$color=='J',]:

 color   cut freq
 J      Fair  119
 J      Good  307
 J Very Good  678
 J   Premium  808
 J     Ideal  896

并产生这个：

 color       cut freq
     J Very Good  678
     J   Premium  808
     J     Ideal  896
     J   (Other)  426

奖励： 如果可以使用 ggplot 进行这种过滤来创建如下图，但是使用这种过滤，那也很棒。

ggplot(example, aes(x=color, y=freq)) + geom_bar(aes(fill=cut), stat = "identity")

【问题讨论】：

看看这个类似的Q：stackoverflow.com/questions/23730067/creating-an-other-field
那么Other 的门槛是多少？
@mtoto 我不介意这个数字，但我希望将小于阈值的“剪切”因子的频率分组（按颜色）。可能是频率
@docendodiscimus，谢谢你的链接，我去看看。
@amblina 是你要找的吗？

标签： r ggplot2 dataframe dplyr summary

【解决方案1】：

这是使用dplyr 将正确数据直接通过管道传递到ggplot 调用的替代方法。

library(dplyr)
example %>% mutate(cut = ifelse(freq < 500, "Other", levels(cut))) %>%
  group_by(color, cut) %>%
  summarise(freq = sum(freq)) %>%
  ggplot(aes(color, freq, fill = cut)) +
  geom_bar(stat = "identity")

一定要分离plyr，否则dplyr调用的输出会不正确。

【讨论】：

【解决方案2】：

试试这个：

library(plyr)
library(ggplot2)
example <- data.frame(count(diamonds,c('color', 'cut')))


# Compute the row id where frequency is lower than some threshold
idx <- example$freq < 1000

# Create a helper function that adds the level "Other" to a vector
add_other_level <- function(x){
  levels(x) <- c(levels(x), "Other")
  x
}

# Change the factor leves for the threshold id rows
example <- within(example, 
       {
         color <- add_other_level(color)
         color[idx] <- "Other"
         cut <- add_other_level(cut)
         cut[idx]    <- "Other"
       }
)

# Create a plot
ggplot(example, aes(x = color, y = freq, fill = cut)) + 
  geom_bar(stat = "identity")

【讨论】：