Подмножество по количеству факторов

Question

Я работаю с данными об унифицированной преступности для городов Небраски (щедрая классификация) и рассчитал уровень преступности для основных классификаций с 1995 по 2010 год с 5-месячным шагом.

Я хотел бы рассчитать ставки за преступления на протяжении многих лет. Однако не все города сообщили данные за все годы из-за того, как отчетность в UCR работает.

Я довольно новичок в R, но коллега предположил, что я пытаюсь создать цикл for, который дает количество уникальных значений для каждого имени города. Затем я могу использовать эти подсчеты, чтобы либо отбросить данные, либо подмножить данные, чтобы у меня было минимум минимум трех наблюдений для работы для построения графика. Это касается того, насколько я получил и что там не работает. К сожалению, мне нужно сосредоточиться на некоторых более насущных проблемах для остальной части недели, поэтому я подумал, что брошу это в сообщество, чтобы получить представление.

Ниже приведены коды и данные об именах. Благодарю.

drop = NULL 
city.names <- unique(cnames) 

for (i in 1:length(city.names)){ 
    x = sum(cnames==i) 
if (x < 3) {c(drop,i)} 
} 

Имеются 191 наблюдение с 64 уникальными именами. Данные CSV и импортированы как

data <- read.csv("cities.csv", header=TRUE, sep=",")

"","year","cnames" "1",1995,"Beatrice" "2",1995,"Bellevue" "3",1995,"Columbus" "4",1995,"Fremont" "5",1995,"Grand Island" "6",1995,"Hastings" "7",1995,"Kearney" "8",1995,"La Vista" "9",1995,"Lincoln" "10",1995,"Norfolk" "11",1995,"North Platte" "12",1995,"Omaha" "13",1995,"Papillion" "14",1995,"Scottsbluff" "15",1995,"South Sioux City" "16",2000,"Bellevue" "17",2000,"Columbus" "18",2000,"Fremont" "19",2000,"Grand Island" "20",2000,"Hastings" "21",2000,"Kearney" "22",2000,"La Vista" "23",2000,"Lincoln" "24",2000,"Norfolk" "25",2000,"Omaha" "26",2000,"Papillion" "27",2000,"Scottsbluff" "28",2000,"South Sioux City" "29",2005,"Alliance" "30",2005,"Ashland" "31",2005,"Auburn" "32",2005,"Bayard" "33",2005,"Beatrice" "34",2005,"Bellevue" "35",2005,"Blair" "36",2005,"Bridgeport" "37",2005,"Broken Bow" "38",2005,"Central City" "39",2005,"Chadron" "40",2005,"Columbus" "41",2005,"Cozad" "42",2005,"Crete" "43",2005,"David City" "44",2005,"Elkhorn" "45",2005,"Falls City" "46",2005,"Fremont" "47",2005,"Gering" "48",2005,"Gothenburg" "49",2005,"Grand Island" "50",2005,"Hastings" "51",2005,"Holdrege" "52",2005,"Imperial" "53",2005,"Kearney" "54",2005,"La Vista" "55",2005,"Lexington" "56",2005,"Lincoln" "57",2005,"Lyons" "58",2005,"Madison" "59",2005,"McCook" "60",2005,"Milford" "61",2005,"Minden" "62",2005,"Mitchell" "63",2005,"Nebraska City" "64",2005,"Norfolk" "65",2005,"North Platte" "66",2005,"Ogallala" "67",2005,"Omaha" "68",2005,"O'Neill" "69",2005,"Ord" "70",2005,"Papillion" "71",2005,"Plainview" "72",2005,"Plattsmouth" "73",2005,"Ralston" "74",2005,"Schuyler" "75",2005,"Scottsbluff" "76",2005,"Seward" "77",2005,"Sidney" "78",2005,"South Sioux City" "79",2005,"St. Paul" "80",2005,"Superior" "81",2005,"Valley" "82",2005,"Wahoo" "83",2005,"West Point" "84",2005,"Wymore" "85",2005,"York" "86",2010,"Alliance" "87",2010,"Ashland" "88",2010,"Auburn" "89",2010,"Aurora" "90",2010,"Bayard" "91",2010,"Beatrice" "92",2010,"Bellevue" "93",2010,"Bennington" "94",2010,"Blair" "95",2010,"Bridgeport" "96",2010,"Broken Bow" "97",2010,"Central City" "98",2010,"Chadron" "99",2010,"Columbus" "100",2010,"Cozad" "101",2010,"Crete" "102",2010,"Falls City" "103",2010,"Fremont" "104",2010,"Gering" "105",2010,"Gothenburg" "106",2010,"Grand Island" "107",2010,"Hastings" "108",2010,"Holdrege" "109",2010,"Imperial" "110",2010,"Kearney" "111",2010,"La Vista" "112",2010,"Lexington" "113",2010,"Lincoln" "114",2010,"Lyons" "115",2010,"Madison" "116",2010,"McCook" "117",2010,"Milford" "118",2010,"Minden" "119",2010,"Nebraska City" "120",2010,"Norfolk" "121",2010,"North Platte" "122",2010,"Ogallala" "123",2010,"Omaha" "124",2010,"O'Neill" "125",2010,"Papillion" "126",2010,"Plainview" "127",2010,"Plattsmouth" "128",2010,"Ralston" "129",2010,"Scottsbluff" "130",2010,"Seward" "131",2010,"Sidney" "132",2010,"South Sioux City" "133",2010,"Superior" "134",2010,"Valentine" "135",2010,"Valley" "136",2010,"Wahoo" "137",2010,"Wayne" "138",2010,"West Point" "139",2010,"Wilber" "140",2010,"York" "141",2013,"Alliance" "142",2013,"Ashland" "143",2013,"Aurora" "144",2013,"Beatrice" "145",2013,"Bellevue" "146",2013,"Bennington" "147",2013,"Blair" "148",2013,"Bridgeport" "149",2013,"Broken Bow" "150",2013,"Central City" "151",2013,"Chadron" "152",2013,"Columbus" "153",2013,"Cozad" "154",2013,"Crete" "155",2013,"Falls City" "156",2013,"Fremont" "157",2013,"Gering" "158",2013,"Gordon" "159",2013,"Gothenburg" "160",2013,"Grand Island" "161",2013,"Hastings" "162",2013,"Holdrege" "163",2013,"Imperial" "164",2013,"Kearney" "165",2013,"Kimball" "166",2013,"La Vista" "167",2013,"Lexington" "168",2013,"Lincoln" "169",2013,"Madison" "170",2013,"McCook" "171",2013,"Milford" "172",2013,"Minden" "173",2013,"Mitchell" "174",2013,"Nebraska City" "175",2013,"Norfolk" "176",2013,"Ogallala" "177",2013,"Omaha" "178",2013,"O'Neill" "179",2013,"Papillion" "180",2013,"Plattsmouth" "181",2013,"Ralston" "182",2013,"Scottsbluff" "183",2013,"Seward" "184",2013,"South Sioux City" "185",2013,"Superior" "186",2013,"Valentine" "187",2013,"Valley" "188",2013,"Wahoo" "189",2013,"West Point" "190",2013,"Wilber" "191",2013,"York"

Answer 1

Для Подмените по «частоте» колонок, есть много вариантов в base R и в других пакетах. Один из вариантов использует функцию table в столбце «cnames» и получает частоту. Выход будет vector с «ключ/значения», соответствующий names/frequency каждого уникального «cnames». Убедитесь, что значения меньше 3 (tbl <3), что дает логический индекс «TRUE/FALSE». Подстройте имена «tbl», используя этот индекс, и используйте это для индексации столбца «cnames», используя %in%. Я показываю два метода, один с отрицанием (!) и используя <, другие с >=

tbl <- table(data$cnames) 
data[!data$cnames %in% names(tbl)[tbl <3],] 

Или

data[data$cnames %in% names(tbl)[tbl >=3],] 

Или с помощью ave, чтобы получить length каждого уникального «синонимами» и получить логический индекс оператором >=. ave возвращает результат в том же порядке, что и в исходном наборе данных. Это можно использовать для подмножества.

data[with(data, ave(seq_along(cnames), cnames, FUN=length)>=3),] 

Если вы используете data.table, код будет более компактным и более быстрее для больших наборов данных. Преобразование «data.frame» в «data.table» с помощью setDT назначьте отсчеты (n:=.N) для каждых уникальных «синонимов», и, наконец, подмножество набора данных с >=

library(data.table) 
setDT(data)[,n:=.N, cnames][n>=3]