r - 将低频计数归入单个“其他”类别

Question

如果有一个非常简单的解决方案来解决这个问题，我们深表歉意。我是 R 和一般数据处理的新手。

我有一个包含许多因素的数据集，以及与之相关的计数。例如，

A 25
B 1
C 15
D 5
E 2

我的最终目标是使用数据框创建一个饼图。我想包括所有值，但要将低于某个计数/百分比的值分组到一个新类别或“其他”类别中。例如，如果阈值为 5：

A 25
C 15
Other 8

我可以使用该subset()函数对高于某个阈值的数据进行分组，但这只会返回我想在新表中使用的较高值，并且我无法弄清楚如何将排除的值添加到“其他”中新数据框中的类别。

如果有人可以帮助我，我将不胜感激。过去有过一两个关于这个主题的类似帖子，但不是完全相同的情况，或者对我来说很难理解。

谢谢你的时间！

数据图像：

标签： rgroup-bydplyrcategories

Answer 1

一种折叠factor级别的选项或character正在使用fct_collapse

library(dplyr)
library(forcats)
threshold <- 7
out <- df1 %>% 
         count(Col1 = fct_collapse(Col1, Other = unique(Col1[Col2 < threshold])),  
            wt = Col2)
out
# A tibble: 3 x 2
#  Col1      n
#  <fct> <int>
#1 A        25
#2 Other     8
#3 C        15

然后，我们可以创建一个饼图

library(ggplot2)
out %>% 
  ggplot(aes(x = "", y = n, fill = Col1)) + 
  geom_bar(width = 1, stat = "identity") + 
  coord_polar("y", start=0)

更新

根据 OP 的 dput，我们可以将列名更改为 OP 的列名

df2 %>%
  count(Haplogroup = fct_collapse(as.character(Haplogroup), 
      Other = unique(as.character(Haplogroup)[n < threshold])),
      wt = n, name = "n1")
# A tibble: 6 x 2
#  Haplogroup    n1
#  <fct>      <int>
#1 Other         40
#2 E1b           14
#3 N1a           12
#4 R1            10
#5 R1a           15
#6 R1b           25

---

或者另一个选项是base R（假设列是character类），通过比较“阈值”和“Col2”来创建一个逻辑向量，将“Col1”中“i1”为 TRUE 的元素分配给“其他”，然后进行分组通过sum与aggregate

i1 <- df1$Col2 < threshold
df1$Col1[i1] <- "Other"
aggregate(Col2 ~ Col1, df1, sum)
#    Col1 Col2
#1     A   25
#2     C   15
#3 Other    8

数据

df1 <- structure(list(Col1 = c("A", "B", "C", "D", "E"), Col2 = c(25L, 
1L, 15L, 5L, 2L)), row.names = c(NA, -5L), class = "data.frame")