如何在特定长度下转换r中的列？

Question

我有一个产品编号类别，它有许多不同的值和每个值的行。

示例如下

282行A1，23行A3，1行y7，3行x56。

我正在尝试运行for循环，将5行以下产品的标签更改为"other“。我现在拥有的代码是：

for (i in unique(color$Fabric)){
  if (length(color$Fabric[color$Fabric == i]) < 5){
      color$Fabric[i] <- 'Other'
  }
}

然而，我一直收到这个错误：

Error in `$<-.data.frame`(`*tmp*`, "Fabric", value = c("Other", "Other",  : 
  replacement has 4470 rows, data has 4469

我也尝试过：

for (i in unique(color$Fabric)){
  if (length(color$Fabric[color$Fabric == i]) > 5){
      color$FabricNew[i] <- i
  } else {
    color$FabricNew[i] <- "Other"
  }
}

我得到了同样的错误。

我知道这是通过树的语法错误，但我有点卡住了。

谢谢!

Answer 1

循环是在Fabric值上进行的，并且它不是‘unique’的索引。我们可以通过使用table来获取“Fabric”中每个唯一元素的频率计数，然后将那些计数小于5的元素子集，在“Fabric”上使用%in%创建一个逻辑向量，并将这些元素分配给“Other”，从而更容易地做到这一点。

tbl1 <- table(color$Fabric)
color$FabricNew <- color$Fabric
color$FabricNew[color$Fabric %in% names(tbl1)[tbl1 <= 5]] <- "Other"

在OP的代码中，如果我们将其更改为

un1 <- unique(color$Fabric)
color$FabricNew <- color$Fabric
for(i in seq_along(un1)) {
    i1 <- color$Fabric == un1[i]
    if(sum(i1) <= 5) {
       color$FabricNew[i1] <- 'Other'
    }
 }

Answer 2

这似乎是fct_lump_min的一个很好的用例，它会自动为你做这件事。

df <- data.frame(col = factor(rep(letters[1:4], c(10, 2, 13, 4))))

table(df$col)

# a  b  c  d 
#10  2 13  4 

现在，让我们保留仅出现5次的值，并将其余的值转换为'Other'。

df$col <- forcats::fct_lump_min(df$col, 5)

table(df$col)
#    a     c Other 
#   10    13     6