从另一个变量函数中按因子删除或保留观察值答案

【问题标题】：Delete or Keep observations by factor from another variable funtion从另一个变量函数中按因子删除或保留观察值
【发布时间】：2018-01-05 02:49:05
【问题描述】：

我只想按 ID 保留具有 3 个或更多实例的观察结果。或者，另一种方式，按 ID 删除少于 3 个实例的观察。样本数据：

Instances <- data.frame(ID=c(111111, 111111, 111111, 111111, 
222222, 222222,
333333, 333333, 333333), 
INSTANCE=c(1,2,3,4,1,2,1,2,3), 
AMOUNT=c(100,120,108,112, 60, 65, 85, 90, 101))

Instances$ID <- as.factor(Instances$ID)
Instances$INSTANCE <- as.factor(Instances$INSTANCE)

从这个样本中，我预计会返回来自 ID 111111 和 333333 的所有观察结果，但不会返回来自 222222 的所有观察结果。

我确信我可以通过 ID 创建 magrittr 中的管道功能。当我尝试这样做时，我无法将 INSTANCE > 3 的功能与 ID 绑定。我仍然在理解 %>% 并且仍在阅读它，但与此同时，任何关于为什么/如何工作的帮助和潜在解释将不胜感激。在外面保持温暖。

【问题讨论】：

Instances[ave(rep(1, nrow(Instances)), Instances$ID, FUN = length) >= 3,] 怎么样？

标签： r

【解决方案1】：

基础溶液

a_x <- ave(Instances$INSTANCE,
           Instances$ID,
           FUN = max)

Instances[a_x >= 3,]

      ID INSTANCE AMOUNT
1 111111        1    100
2 111111        2    120
3 111111        3    108
4 111111        4    112
7 333333        1     85
8 333333        2     90
9 333333        3    101

使用 dplyr：

library(dplyr) 

Instances %>%
  group_by(ID) %>%
  mutate(max_instance = max(INSTANCE)) %>%
  filter(max_instance >= 3) %>%
  select(-max_instance)

      ID INSTANCE AMOUNT
1 111111        1    100
2 111111        2    120
3 111111        3    108
4 111111        4    112
7 333333        1     85
8 333333        2     90
9 333333        3    101

数据（注意我没有将`ID` 或`INSTANCE` 转换为因子）

Instances <- data.frame(ID=c(111111, 111111, 111111, 111111, 
222222, 222222,
333333, 333333, 333333), 
INSTANCE=c(1,2,3,4,1,2,1,2,3), 
AMOUNT=c(100,120,108,112, 60, 65, 85, 90, 101))

【讨论】：

有趣的是我已经创建了一个我忘记的 Max Instance 变量，dat$MaxPayInstance
为什么这个 dplyr 版本会把这个函数变成“A Tibble”？ dat%>% count(Termed)

【解决方案2】：

正如我在之前的评论中所发布的，无论Instances$INSTANCE 的数据结构如何，这都应该有效。我使用 ave 并创建一个 1 的向量来总结：

Instances[ave(rep(1, nrow(Instances)), Instances$ID, FUN = length) >= 3,]

#      ID INSTANCE AMOUNT
#1 111111        1    100
#2 111111        2    120
#3 111111        3    108
#4 111111        4    112
#7 333333        1     85
#8 333333        2     90
#9 333333        3    101

【讨论】：

【解决方案3】：

这会使用 dplyr::n() 函数对每个 ID 进行计数，将其命名为“size”并返回 size > 2 的那些：

library(dplyr)
Instances  %>% group_by(ID) %>% mutate(size=n()) %>% filter(size>2)

# A tibble: 7 x 4
# Groups:   ID [2]
      ID INSTANCE AMOUNT  size
  <fctr>   <fctr>  <dbl> <int>
1 111111        1    100     4
2 111111        2    120     4
3 111111        3    108     4
4 111111        4    112     4
5 333333        1     85     3
6 333333        2     90     3
7 333333        3    101     3

如果我一直使用ave，我会尝试：ave(Instances$ID, Instances$ID, FUN=length)

【讨论】：

数据（注意我没有将ID 或INSTANCE 转换为因子）

数据（注意我没有将`ID` 或`INSTANCE` 转换为因子）