R 基于每组行数的子集数据帧

我有这样的数据，其中一些“名称”出现三次以上：

df <- data.frame(name = c("a", "a", "a", "b", "b", "c", "c", "c", "c"), x = 1:9)

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5
6    c 6
7    c 7
8    c 8
9    c 9

我写了这段代码，但无法运行

as.data.frame(table(unique(df)$name))
subset(df, name > 3)

---

首先，两个

base

备选方案。一个依赖于

表格

，另一个依赖于

平均值

和

长度

。然后，有两种

数据.table

方式

---

1. <代码>表格

---

3. <代码>数据。表：

.N

和

.SD

：

---

---

另请参阅相关问答。

使用

dplyr

软件包：

df %>%
  group_by(name) %>%
  filter(n() < 4)

# A tibble: 5 x 2
# Groups:   name [2]
  name      x
  <fct> <int>
1 a         1
2 a         2
3 a         3
4 b         4
5 b         5

df%>%
分组单位（名称）%>%
过滤器（n（）<4）
#一个tibble:5x2
#分组：名称[2]
名称x
1 a 1
2 a 2
3 a 3
4 b 4
5 b 5

---

n（），然后仅保留属于该组中行数少于4的组的行。
使用
dpylr
包的另一种方法是使用
count
函数，然后在原始数据帧上进行半联接：

library(dplyr)

df %>% 
  count(name) %>%
  filter(n <= 3) %>%
  semi_join(df, ., by = "name")

库（dplyr）
df%>%
计数（名称）%%>%
过滤器（n%
半联接（df，by=“name”）
包“inops”有一些有用的中缀运算符。对于这种特殊情况，#%

中的运算符

%可以根据元素出现的次数选择元素

library(inops)

df[df$name %in#% 1:3,]

返回：

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

此处#%1:3中的
df$name%仅对出现1次、2次或3次的元素返回
TRUE
。如果我们希望选择出现4次的元素，我们将执行以下操作：

df[df$name %in#% 4,]

结果如下：

  name x
6    c 6
7    c 7
8    c 8
9    c 9

短得多的是：
df[ave（df$x，df$name，FUN=length）<3，]
@flodel，谢谢！我同意，我只是尽量保持它非常简单，并建立在OP已经尝试过的基础上，因为他们似乎是初学者。我感谢大家的帮助。Henrik的代码完全有意义。它帮助我理解R。flodel的代码现在在阅读Henrik的代码后是可以理解的在
df[，if（.N<3）.SD，by=name]
中，没有为每个组调用[.data.table
（与您链接的问题中
.SD
是子集不同）。另一个选项似乎没有更快。使用
df进行测试
df %>%
  group_by(name) %>%
  filter(n() < 4)

# A tibble: 5 x 2
# Groups:   name [2]
  name      x
  <fct> <int>
1 a         1
2 a         2
3 a         3
4 b         4
5 b         5

library(dplyr)

df %>% 
  count(name) %>%
  filter(n <= 3) %>%
  semi_join(df, ., by = "name")

library(inops)

df[df$name %in#% 1:3,]

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

df[df$name %in#% 4,]

  name x
6    c 6
7    c 7
8    c 8
9    c 9