因子変数のレベルの観測数に基づいてどのようにサブセット化しますか? 1,000,000 行と 3000 近くのレベルを持つデータセットがあり、200 未満の観測値でレベルをサブセット化したいと考えています。
data <- read.csv("~/Dropbox/Shared/data.csv", sep=";")
summary(as.factor(data$factor)
10001 10002 10003 10004 10005 10006 10007 10009 10010 10011 10012 10013 10014 10016 10017 10018 10019 10020
414 741 2202 205 159 591 194 678 581 774 778 738 1133 997 381 157 522 6
10021 10022 10023 10024 10025 10026 10027 10028 10029 10030 10031 10032 10033 10034 10035 10036 10037 10038
398 416 1236 797 943 386 446 542 508 309 452 482 425 272 261 291 145 598
10039 10040 10041 10043 10044 10065 10069 10075 10080 10104 10105 10106 10110 10112 10115 10117 10119 10121
119 263 9 9 179 390 70 465 19 3 7 5 4 1 1 1 2 6
10123 10128 10150 10152 10154 10155 10168 10170 10173 10174 10176 10199 10210 10220 10240 10265 10270 10271
2 611 8 1 1 2 10 1 6 5 5 2 5 2 1 3 5 2
上記の要約からわかるように、obs の数が少ない要因があり、100 未満の要因を削除したいと考えています。
次のことを試しましたが、うまくいきませんでした。
for (n in unique((data$factor))) {
m<-subset(data, factor==n)
o<-length(m[,1])
data<-ifelse( o<100, subset(data, factor!=n), data)
}