如何在R中将数据框非首列的低频值替换为指定值？

问题分析 #

你原来的代码出错原因是：table(dd[[i]]) < 2返回的是每个唯一值的计数判断结果，长度等于列中唯一值的数量，而dd[[i]]是原列向量（长度为6），两者长度不匹配，导致ifelse无法正确对应每个元素进行判断。

简洁高效的实现方案 #

方案1：Base R 原生实现 #

data <- data.frame(study=c('a','a','b','c','c','d'),
                   L1= c('arabic','turkish','greek','arabic','turkish','turkish'),
                   L2= c(rep('english',5),'german'))

# 处理除首列外的所有列
data[-1] <- lapply(data[-1], function(col) {
  # 统计每个值的出现次数
  value_counts <- table(col)
  # 把出现次数<2的值替换为"others"
  ifelse(col %in% names(value_counts[value_counts < 2]), "others", col)
})

方案2：Base R 更高效的ave函数实现 #

利用ave按值分组统计长度，直接判断分组内元素数量：

data[-1] <- lapply(data[-1], function(col) {
  ave(col, col, FUN = function(x) if(length(x) < 2) "others" else x)
})

方案3：dplyr 简洁语法（适合熟悉tidyverse的用户） #

library(dplyr)

data <- data %>%
  mutate(across(-study, ~ifelse(table(.)[.] < 2, "others", .)))

验证结果 #

运行上述代码后，数据框会变成：

内容的提问来源于stack exchange，提问作者Simon Harmel