0

我有一个大型数据库，我想从中创建一个箱线图：

数据：test.hospital

y：检测结果（%）：共1500个样本

x1：不同年份（2011-2017）

x2：不同的医院（30个不同的医院名称）

不同医院的样本量差异很大，因此在某些情况下，实际上数据太少，无法说明数据。因此，我想从我的箱线图中排除所有样本大小<15的医院。

所以我想做的是创建一个额外的行，其中包含医院采样次数的频率，并使用该行来排除我的箱线图的低样本量..

正如您可能得到的那样，我对 R 很陌生，所以对于大多数人来说，这很可能。一个非常简单的问题......但我真的很想得到它的答案......！

非常感谢你:)

4

1 回答 1

0

尝试使用dplyr包。group_by有助于区分医院，mutate对它们进行计数，filter选择​​至少有 15 个观察的医院。%>%是用于连接功能的管道符号。

install.packages(dplyr)
library(dplyr)
test.hospital.filtered <- group_by(test.hospital, x2) %>%
mutate(sampled_count = n()) %>%
filter(sampled_count >= 15)

现在ggplot用于创建箱线图。年份在 x 轴上，测试结果在 y 轴上，显示过滤的医院。

install.packages(ggplot)
library(ggplot)
ggplot(test.hospital.filtered, aes(x = x1, y = y, fill = x2)) +
geom_boxplot()
于 2017-07-31T14:51:52.343 回答