删除具有少于三个唯一观察值的组

Posted 2023-02-19

【中文标题】删除具有少于三个唯一观察值的组

【英文标题】：Remove groups with less than three unique observations

【发布时间】：2016-10-16 13:52:07

【问题描述】：

我想对我的数据框进行子集化，以仅保留在不同日期有 3 个或更多观察值的组。我想摆脱少于 3 个观察值的组，或者他们的观察结果不是来自 3 个不同的日子。

这是一个示例数据集：

Group   Day
1       1 
1       3
1       5
1       5
2       2
2       2  
2       4 
2       4
3       1
3       2
3       3
4       1
4       5

因此，对于上面的示例，组 1 和组 3 将被保留，组 2 和组 4 将从数据框中删除。

我希望这是有道理的，我想解决方案会很简单，但我无法解决（我对 R 很陌生，并且不能很快找到解决此类问题的方法）。我想也许 diff 函数可以派上用场，但没有走得更远。

【问题讨论】：

试试df[df$Group %in% as.numeric(names(which(tapply(df$Day,df$Group,function(x) length(unique(x))>=3)))),]

@Jaap 这个r-faq 怎么样？我无法理解所有关于 r-faq 的内容。当然，还有更一般的、访问量更大的问题没有用 r-faq 标记。你能解释一下吗？谢谢。

【参考方案1】：

使用data.table，您可以这样做：

library(data.table)
DT[, if(uniqueN(Day) >= 3) .SD, by = Group]

给出：

   Group Day
1:     1   1
2:     1   3
3:     1   5
4:     1   5
5:     3   1
6:     3   2
7:     3   3

或者dplyr:

library(dplyr)
DT %>% 
  group_by(Group) %>% 
  filter(n_distinct(Day) >= 3)

给出相同的结果。

【参考方案2】：

一个想法使用dplyr

 library(dplyr)
 df %>% 
   group_by(Group) %>% 
   filter(length(unique(Day)) >= 3)

#Source: local data frame [7 x 2]
#Groups: Group [2]

#  Group   Day
#  (int) (int)
#1     1     1
#2     1     3
#3     1     5
#4     1     5
#5     3     1
#6     3     2
#7     3     3

【讨论】：

而不是length(unique(Day)) 你可以n_distinct(day)

不错的一个！谢谢@Arun

@ProcrastinatusMaximus，我没有看到您使用dplyr 解决方案进行了更新。我还是添加了unique(length)) 方法。

np，有几个选项总是好的 ;-)（顺便说一句：不需要过滤器语句中的 .,，我冒昧地删除了它；希望你不介意)

谢谢@ProcrastinatusMaximus :)

【参考方案3】：

我们可以使用base R

i1 <-  rowSums(table(df1)!=0)>=3
subset(df1, Group %in% names(i1)[i1])
#    Group Day
#1      1   1
#2      1   3
#3      1   5
#4      1   5
#9      3   1
#10     3   2
#11     3   3

或者单行 base R 将是

df1[with(df1, as.logical(ave(Day, Group, FUN = function(x) length(unique(x)) >=3))),]