如何使用每组的行数作为条件对数据框进行子集化

Posted 2023-02-14

【中文标题】如何使用每组的行数作为条件对数据框进行子集化

【英文标题】：How to subset a dataframe using the number of rows per group as a condition

【发布时间】：2022-01-09 18:15:21

【问题描述】：

我进行了一项日记研究，为期 5 天，参与者必须回答 2 次。

我的标准是，人们必须在 5 天中至少回答 3 天。因此，在进行问卷调查的总共 10 次中，他们必须回答至少 6 次。 每次他们填写问卷时都必须输入个人代码，这就是为什么我可以看到谁回答了多少次。

我是这样写的：

Morning_Afternoon_PT_EN：是数据库的名称

respfreq <- calc.nomiss(Morning_Afternoon_PT_EN$day, tolower(Morning_Afternoon_PT_EN$code), data=Morning_Afternoon_PT_EN)
print(respfreq)

enter image description here

   952345172    alju12    amou79    amou91    baab81 
        0         5        10        10        10        10 
   base85    beju58    cade61    caju21    chno45    crju09 
       10        10        10        10         5         7 
   faap52    fuau48    fude38    fuma07    huju03    leja26 
       10         8         3        10         8        10 
   leju40    lema32    leno81    liab14    liab20    liab50 
       10         9         8         9        10         9 
  liabr14    liag30    liag60   liap520    liau35    lide50 
        1        10         9        10         9         9 
   life10    life74    lija05    lija45    lija78    liju65 
        9         1        10        10         9        10 
   liju94    lima40    lima82    limf96    lioc46    lioc84 
        9        10        10         4        10        10 
   lise50    lise88    maab31    moag91    moap58    pode04 
        9        10        10        10         9         8 
   sade61    saja28    saja79    saoc06    sema72    sema83 
        9        10        10         9        10        10 
   tose37    vima32 
        9         9 

length(respfreq)
[1] 56

所以，我看到“952345172”、“chno45”、“limf96”、“liabr14”、“life74”、“fude38”不符合要求，我想消除它们整个数据库。

我尝试使用子集，例如：

NewDataFrame<-subset(Morning_Afternoon_PT_EN, respfreq>6)

但是，我得到了答案：

NewDataFrame6)

错误：必须使用有效的下标向量对行进行子集化。 i 逻辑 下标必须与索引输入的大小相匹配。 x 输入有大小 485 但下标 r 的大小为 56。

我了解错误，但我不知道如何解决。

【问题讨论】：

请不要发布数据或代码的照片！如果您这样做，愿意帮助您的人将不得不输入所有文本。而是提供minimal reproducible example这里是a good overview on how to ask a good question

【参考方案1】：

您应该在数据框中包含带有计数的列才能使用subset

x <- c("952345172", "alju12", "amou79", "amou91", "baab81", NA)

code <- rep(x, c(5, 10, 10, 20, 2, 7))

df <- data.frame(id = 1:length(code), code)

head(df)

##   id      code
## 1  1 952345172
## 2  2 952345172
## 3  3 952345172
## 4  4 952345172
## 5  5 952345172
## 6  6    alju12

library(dplyr)

df2 <- left_join(df, na.omit(df) |> count(code)) 

df2 <- subset(df2, n > 6)

head(df2)

##    id   code  n
## 6   6 alju12 10
## 7   7 alju12 10
## 8   8 alju12 10
## 9   9 alju12 10
## 10 10 alju12 10
## 11 11 alju12 10

另一种选择是使用：

tabc <- table(df$code)

df3 <- df[df$code %in% names(tabc[tabc > 6 ]), ]