如何用代码按频率合并低频次Specialisme变量？（支持DPLYR）

完全可以用dplyr的mutate函数实现需求，核心思路是先按年份分组，统计每个专业方向在当年的出现次数，再把次数不足20的统一替换为“其他”类。

dplyr实现代码示例 #

假设你的数据框名为df，包含Year（年份）和Specialisme（专业方向）两列：

library(dplyr)

# 处理数据：按年份分组，统计频次后合并低频次类别
df_processed <- df %>%
  group_by(Year) %>%
  # 给每个专业方向添加当年的出现次数
  add_count(Specialisme, name = "specialisme_count") %>%
  # 把次数<20的替换为"其他"
  mutate(Specialisme = ifelse(specialisme_count < 20, "其他", Specialisme)) %>%
  # 可选：删除临时计数列
  select(-specialisme_count) %>%
  ungroup()

其他可行方法（base R） #

如果不想用dplyr，也可以用base R的ave函数直接处理：

# 按年份和专业分组统计次数，替换低频次类别
df$Specialisme <- with(df, 
                       ifelse(ave(rep(1, nrow(df)), Year, Specialisme, FUN = length) < 20, 
                              "其他", 
                              Specialisme))

两种方法都能自动适配不同年份里专业方向的变化——不管当年有哪些专业、排序如何，都会只保留出现次数≥20的类别，其余合并为“其他”。

内容的提问来源于stack exchange，提问作者Yvonne