Свертывание факторного уровня для всех факторных переменных в фрейме данных на основе подсчета

Я хотел бы сохранить только верхние 2 уровня факторов на основе частоты и сгруппировать все остальные факторы в другие. Я пробовал это, но это не помогает.

df=data.frame(a=as.factor(c(rep('D',3),rep('B',5),rep('C',2))), 
              b=as.factor(c(rep('A',5),rep('B',5))), 
              c=as.factor(c(rep('A',3),rep('B',5),rep('C',2)))) 

myfun=function(x){
    if(is.factor(x)){
        levels(x)[!levels(x) %in% names(sort(table(x),decreasing = T)[1:2])]='Others'  
    }
}

df=as.data.frame(lapply(df, myfun))

Ожидаемый Результат 

       a b      c
       D A      A
       D A      A
       D A      A
       B A      B
       B A      B
       B B      B
       B B      B
       B B      B
  others B others
  others B others
2 4
lapply

2 ответа:

Это может быть немного запутанным, но вот один подход через базу R, 

fun1 <- function(x){levels(x) <- 
                    c(names(sort(table(x), decreasing = TRUE)[1:2]), 
                    rep('others', length(levels(x))-2)); 
                    return(x)}

Однако вышеупомянутая функция должна быть сначала переупорядочена и, как говорится в комментарии OP, правильной будет, 

fun1 <- function(x){ x=factor(x, 
                     levels = names(sort(table(x), decreasing = TRUE))); 
                     levels(x) <- c(names(sort(table(x), decreasing = TRUE)[1:2]), 
                     rep('others', length(levels(x))-2)); 
                     return(x) }
2

Теперь это легко благодаря fct_lump() из пакета forcats.

fct_lump(df$a, n = 2)

# [1] D     D     D     B     B     B     B     B     Other Other
# Levels: B D Other

Аргумент n управляет числом наиболее распространенных уровней, подлежащих сохранению, объединяя вместе остальные.

1