проблема подмножество r кадр данных

Question

У меня есть кадр данных, который среди его столбцов является столбцом человека (pid) и местоположения. Я пытаюсь подмножить данные таким образом, что, когда идентификатор лиц встречается более 67 раз, я беру подмножество данных на основе местоположения, в котором встречаются экземпляры этого человека, а затем запускает серию регрессий в этом подмножестве.

Я знаю, как получить всех, кто попадает в этот порог 67 (используя таблицу(), чтобы получить счетчик каждого pid), но как я могу получить подмножество фрейма данных на основе их местоположения, не зная, является? В кадре данных имеется примерно 100 000 строк, из которых 400 человек попадают на этот знак 67, поэтому делать это вручную не представляется практически практичным.

Я не знаю, как разместить образец данных моих данных здесь, но он выглядит примерно так. Так, например, если значение pid 1 повторяется 200 раз, я хотел бы подмножить весь фрейм данных, который имеет значение местоположения «6», независимо от pid. Аналогично для pid 3 - мне нужны все строки, где «1». Единственный улов в том, что иногда pid будет иметь более одного места. Большинство будет находиться в одном конкретном месте - так что с pid 3, есть местоположение 1 и местоположение 2. В этом случае я хотел бы подмножить местоположение, которое имеет большинство.

pid  location 
1  6 
1  6 
1  6 
2  4 
2  6 
3  1 
3  2 
3  1 

Примеры данных

set.seed(1) 
pid <- sample(1:10, 1000, replace=T) 
location <- sample(1:10, replace=T) 
df <- data.frame(pid, location) 

правок: Ok - То, что я пытаюсь сделать, это получить каждый Pid, ​​который повторяется более 66 раз. После того, как у меня есть этот список, я хочу посмотреть, в каком месте они произошли. Затем я хочу запустить кучу регрессий в подмножестве местоположения всего фрейма данных. Итак, если Pid 1 встречается 500 раз, и они произошли в местоположении 6, я хочу подмножить dataframe для местоположения 6, создать фиктивную переменную для Pid 1 и запустить кучу регрессий на этом подмножестве местоположения 6 (другие переменные регрессии не включены в этом примере). В кадре данных имеется 1272 уникальных Pid. Я смог использовать ответ от Ano, чтобы получить то, что искал, но в конце концов я сделал это немного иначе. Казалось легче (по крайней мере концептуально для меня) сначала подмножить данные по местоположению, а затем получить Pid's, которые повторяются более 66 раз и запускают мои регрессии. Это избавило вас от беспокойства о том, что Pid имеют более одного места. Но, будучи довольно новым для r, я открыт для других предложений о том, что было бы лучшим способом его кодировать. Надеюсь, это немного разъясняет это.

Answer 1

Данное решение использует dplyr.

library(dplyr) 

Group данных по PID, подсчитать, сколько экземпляров есть этот PID, отфильтровывать те, которые достигают независимо от порога вы заинтересованы в, а затем выберите выбрать отчетливый PIDS

foo <- df %>% 
    group_by(pid) %>% 
    filter(n() >= 67 & max(n() == n())) %>% 
    distinct(pid) %>% 
    .$pid 

Использования что вновь созданный вектор подмножеству исходный dataframe и выберите уникальный location s

unique(df[df$pid %in% foo,"location"]) 

Answer 2

Здесь есть возможность без использования dplyr:

df.freq <- addmargins(table(df), margin = 2) 
df.freq <- subset(df.freq, 'Sum' > 67, select = -Sum) 

df.max <- apply(df.freq, 1, function(x) { 
    names(x)[which(x == max(x))] }) 
df.max <- unique(as.numeric(df.max)) 
subset(df, location %in% df.max)