2

我是 R 新手，正在尝试处理来自 csv 文件的数据框（如下面的代码所示）。它有 46 列和 4706 行的医院数据（其中一列是“州”）。我制作了一个表格，显示 State 列中每个值的行数。因此，从本质上讲，该表显示了每个州以及该州的医院数量。现在我要做的是对数据框进行子集化并创建一个新的，其中不包含该州少于 20 家医院的条目。

如何计算 State 列中值的出现次数，然后删除那些计数小于 20 的值？也许我应该使用 table() 函数，删除不需要的数据并使用 lappy() 之类的东西将其放入新的数据框中，但由于我缺乏使用 R 编程的经验，我不确定。

任何帮助都感激不尽。我在此站点中看到了删除具有某些列值的行的其他示例，但没有一个基于特定列值的计数来执行此操作的示例。

> outcome <- read.csv("outcome-of-care-measures.csv", colClasses = "character")    
> hospital_nos <- table(outcome$State)    
> hospital_nos

 AK  AL  AR  AZ  CA  CO  CT  DC  DE  FL  GA  GU  HI  IA  ID  IL  IN  KS  KY  LA  MA  MD  ME  MI 
 17  98  77  77 341  72  32   8   6 180 132   1  19 109  30 179 124 118  96 114  68  45  37 134 
 MN  MO  MS  MT  NC  ND  NE  NH  NJ  NM  NV  NY  OH  OK  OR  PA  PR  RI  SC  SD  TN  TX  UT  VA 
133 108  83  54 112  36  90  26  65  40  28 185 170 126  59 175  51  12  63  48 116 370  42  87 
 VI  VT  WA  WI  WV  WY 
  2  15  88 125  54  29
4

1 回答 1

8

这是一种方法。从以下数据框开始：

df <- data.frame(x=c(1:10), y=c("a","a","a","b","b","b","c","d","d","e"))

如果您只想保留在 中出现超过 2 次的行df$y，您可以执行以下操作：

tab <- table(df$y)
df[df$y %in% names(tab)[tab>2],]

这使 ：

  x y
1 1 a
2 2 a
3 3 a
4 4 b
5 5 b
6 6 b

这是一个带有包的单行解决方案plyr：

ddply(df, "y", function(d) {if(nrow(d)>2) d else NULL})
于 2013-10-16T19:51:37.283 回答