关于forcats::fct_lump_prop()的w与prop参数用法及阈值疑问

首先明确核心问题：你之前调用fct_lump_prop()时没有指定w = var2参数，导致函数默认按观测计数（而非var2的权重）计算类别占比——此时a和b各有3条观测，占比都是50%，自然无法实现只合并b的效果。

参数逻辑解析 #

• w：必须传入你用来计算权重的变量（这里是var2），函数才会按每个类别的权重总和计算占比，而不是按观测数量。
• prop：函数会从权重占比最大的类别开始保留，直到保留的类别总权重占比≥prop。简单说，只要保留的最大类别单独的权重占比≥prop，就只会保留这个类别，其他都合并为Others。

针对你的数据的解决方案 #

你的数据中，a的总权重是0.2+0.3+0.2=0.7，b的总权重是0.1*3=0.3，总权重和为1。要只保留a，只需设置prop为大于0.3且小于0.7的任意值（比如0.6），同时指定w=var2：

library(forcats)
library(tibble)

df <- tibble(var1 = c(rep("a", 3), rep("b", 3)),
             var2 = c(0.2, 0.3, 0.2, 0.1, 0.1, 0.1))

# 生成目标结果
df <- df %>%
  mutate(fct = fct_lump_prop(var1, prop = 0.6, w = var2))

运行后得到你想要的结果：

# A tibble: 6 × 3
  var1   var2 fct  
  <chr> <dbl> <fct>
1 a       0.2 a    
2 a       0.3 a    
3 a       0.2 a    
4 b       0.1 Others
5 b       0.1 Others
6 b       0.1 Others

你之前尝试无效的原因 #

• 未指定w=var2时，函数默认每个观测权重为1，a和b的计数占比都是50%：
  • 当prop在0.3-0.6之间时，两个类别的累加占比（50%或100%）都≥prop，所以不会合并；
  • 当prop=0.7时，单个类别的占比（50%）<0.7，所有类别都被合并为Others。

内容的提问来源于stack exchange，提问作者Michaël