如何处理R中的不平衡数据集？

Question

我有个问题。我的数据集包含有关网球运动员的信息，以及他们在积极的职业生涯中每个赛季参加的比赛数量。

Name Season Games
Nadal 2015 84
Novak 2017 14
Nadal 2016 88
Federer 2018 75
Nadal 2010 45
.
.
.

我想要创建一个新的数据集，其中只包括玩了五年以上的球员。

我想，我必须以某种方式总结球员，然后过滤他们。请问我怎么做？

Answer 1

使用dplyr，您可以计数和过滤数据。例如，我创建了这个虚拟数据文件：

df = data.frame(P = c("A","A","A","A","A","A","A","B","B","C","C","C","C"),
                y = c(1,4,5,8,7,4,2,3,4,8,7,4,1))


library(dplyr)
df %>% group_by(P) %>% add_count(P) %>% filter(n > 5)
# A tibble: 7 x 3
# Groups:   P [1]
  P         y     n
  <fct> <dbl> <int>
1 A         1     7
2 A         4     7
3 A         5     7
4 A         8     7
5 A         7     7
6 A         4     7
7 A         2     7

使用您的数据，您可以尝试：

df %>% group_by(Name) %>% add_count(Name) %>% filter(n >= 5)