在建模之前减少因子水平的数量

Question

我有一个 2600 级的因子，我想在建模之前将其减少到 ~10

我想我可以用一个操作来做到这一点，它说“如果一个因子被列出的次数少于 x 次，它应该被放入一个名为“其他”的桶中

以下是一些示例数据：

df <- data.frame(colour=c("blue","blue","blue","green","green","orange","grey"))

这是我希望的输出：

  colour
1   blue
2   blue
3   blue
4  green
5  green
6  other
7  other

我尝试了以下方法：

df %>% mutate(colour = ifelse(count(colour) < 2, 'other', colour))

mutate_impl(.data, dots) 中的错误：评估错误：“组”没有适用的方法应用于“因子”类的对象。

Answer 1

实际上在 tidyverse 中有一个很好的包，forcats它可以帮助处理因素。您可以使用fct_lump，它完全符合您的需要：

library(tidyverse)

df %>% mutate(colour = fct_lump(colour, n = 2))
#>   colour
#> 1   blue
#> 2   blue
#> 3   blue
#> 4  green
#> 5  green
#> 6  Other
#> 7  Other

Answer 2

使用tidyverse函数，您可以尝试以下操作：

df %>%
  group_by(colour) %>%
  mutate(cnt = n()) %>%
  mutate(grp = if_else(cnt >= 2, as.character(colour), as.character("Other"))) %>%
  select(-cnt)

这给出了（这里，阈值为>= 2）

  colour grp  
  <fct>  <chr>
1 blue   blue 
2 blue   blue 
3 blue   blue 
4 green  green
5 green  green
6 orange Other
7 grey   Other