R语言如何使用subset和分位数筛选数据点数量前25%的国家

原代码错误原因 #

• 逻辑偏离需求：你对TIME列计算分位数，完全没有按国家维度统计数据点数量
• 语法不符合subset要求：subset第二个参数需要传入和数据集行数匹配的布尔筛选向量，你直接传入单个分位数值，筛选逻辑不成立，因此返回空结果

正确实现步骤 #

1. 统计每个国家的总数据点数量

country_record_cnt <- table(drugs1$LOCATION)

2. 计算各国数据点数量的75%分位数（数据量排名前25%即数值大于等于该分位数）

cnt_q75 <- quantile(country_record_cnt, 0.75)

3. 筛选出符合数据量要求的国家代码

top_countries <- names(country_record_cnt)[country_record_cnt >= cnt_q75]

4. 结合%in%运算符用subset筛选原数据集的对应记录

final_df <- subset(drugs1, LOCATION %in% top_countries)

如果需要更简洁的写法，也可以合并为一行代码：

final_df <- subset(drugs1, LOCATION %in% names(which(table(LOCATION) >= quantile(table(LOCATION), 0.75))))

内容的提问来源于stack exchange，提问作者T.P