如何删除R数据框中最高频值占比超80%的低变异列？

你可以直接用dplyr的select()搭配where()谓词函数实现，完整可运行代码如下：

# 加载dplyr包
library(dplyr)

# 示例数据构造
Temp <- c(26:30)
Feels <- c("cold","cold","cold","hot","hot")
Time <- c("night","night","night","night","day")
Year <- as.character(c(2011,2015,2010,2015,2015))
DF <- data.frame(Temp,Feels,Time,Year)

# 过滤最高频占比>80%的列
DF_filtered <- DF %>%
  select(where(function(col) {
    # 统计列中各值的频次，默认将NA作为单独类别统计
    freq <- table(col, useNA = "ifany")
    # 最高频值占比<=80%的列才保留
    max(freq)/length(col) <= 0.8
  }))

运行后DF_filtered会自动删除符合删除条件的列，你可以根据需求调整阈值0.8；如果需要忽略NA值统计，把useNA参数改为"no"即可。

如果偏好base R实现，可以用以下代码：

# 计算所有列的最高频占比
max_pct <- sapply(DF, function(col) max(table(col, useNA = "ifany"))/length(col))
# 筛选保留占比<=80%的列
DF_filtered <- DF[, max_pct <= 0.8]

内容的提问来源于stack exchange，提问作者tzema