为什么forcats的fct_lump不处理我的数据？

我已经离开R几个月了，所以可能会有一些后果

我在网上找到了这个数据集。我对它做了一些处理，所以我将在这里

dput（）

它，但它最初来自

我尝试了很多东西，总是缩小重要的代码。最后，我使用了

vignette（“forcats”）

（我已经加载了

tidyverse

）中的示例代码，并使用不同的数据集进行了尝试：

starwars %>%
  mutate(skin_color = fct_lump(skin_color, n = 5)) %>%
  count(skin_color, sort = TRUE)
  
ter %>%
  mutate(hair = fct_lump(region, n = 5)) %>%
  count(hair, sort = TRUE)

gss_cat %>%
  mutate(relig = fct_lump(relig, n = 5)) %>%
  count(relig, sort = TRUE)

它在

starwars

和

gss_cat

上都能正常工作，但在

ter

上不能正常工作（我的数据）：

>ter%>%
+突变（头发=fct_肿块（区域，n=5））%>%
+计数（头发，排序=真）
#一个tibble:115x2
头发
1阿富汗1
2阿尔巴尼亚1
3阿尔及利亚1
4安哥拉1
5阿根廷1
6澳大利亚和大洋洲1
7澳大利亚1
8奥地利1
9阿塞拜疆1
10巴林1
#…还有105行

---

为什么会这样？为什么不在这里工作？

看起来您希望将死亡人数少于5人的地区归为“其他”类别。这在base R中很简单

---

ter$region看起来您希望将死亡人数少于5人的地区合并为“其他”类别。这在base R中很简单

ter$地区每个国家/地区只有一个条目
fct\u-lump
将把
n
最不频繁的实例组合在一起，但是如果它们都具有相同的频率，您希望
fct\u-lump
做什么？哦，是的。。。oops我可以使用哪个函数，以便根据
恐怖主义死亡人数（GTD，2018）
（另一列）进行分类？每个国家只有一个条目
fct\u-lump
将把
n
最不频繁的实例组合在一起，但是如果它们都具有相同的频率，您希望
fct\u-lump
做什么？哦，是的。。。哦，我可以使用哪个函数，以便根据
恐怖主义死亡人数（GTD，2018）
（另一个专栏）进行分类？非常感谢！但你知道有没有办法做到这一点：
ter$region[我曾想过使用
mutate
，但该代码只适用于特定行，所以我不知道……
mutate（region=ifelse（'Terrorism detairies（GTD，2018）`<5，“Other”，region））
-注意，我不得不将反勾改为撇号，以便在注释中使用。拥有非法列名的另一个危险。为什么不将此列名称更改为“死亡”
——这将使您的生活更轻松，代码更易读！非常感谢你！但你知道有没有办法做到这一点：
ter$region[我曾想过使用
mutate
，但该代码只适用于特定行，所以我不知道……
mutate（region=ifelse（'Terrorism detairies（GTD，2018）`<5，“Other”，region））
-注意，我不得不将反勾改为撇号，以便在注释中使用。拥有非法列名的另一个危险。为什么不将此列名称更改为“死亡”
——这将使您的生活更轻松，代码更易读！
starwars %>%
  mutate(skin_color = fct_lump(skin_color, n = 5)) %>%
  count(skin_color, sort = TRUE)
  
ter %>%
  mutate(hair = fct_lump(region, n = 5)) %>%
  count(hair, sort = TRUE)

gss_cat %>%
  mutate(relig = fct_lump(relig, n = 5)) %>%
  count(relig, sort = TRUE)

> ter %>%
+   mutate(hair = fct_lump(region, n = 5)) %>%
+   count(hair, sort = TRUE)
# A tibble: 115 x 2
   hair                      n
   <fct>                 <int>
 1 Afghanistan               1
 2 Albania                   1
 3 Algeria                   1
 4 Angola                    1
 5 Argentina                 1
 6 Australasia & Oceania     1
 7 Australia                 1
 8 Austria                   1
 9 Azerbaijan                1
10 Bahrain                   1
# … with 105 more rows