R语言技术问询：移除无关行及筛选电影数据集评论数达标行

嘿，我来帮你搞定这两个问题，尤其是你提到的电影数据集筛选的小坑——之前结果只剩五星评分的电影，确实是因为那些只有1条评论的刚好全是五星，咱们一步步来解决：

移除无关行的方式主要看你“无关”的定义，常见的几种场景：

• 按条件筛选保留行：用dplyr::filter()（推荐，语法清晰）或者基础R的subset()，比如移除评分低于2的行：filter(df, rating >= 2)
• 移除缺失值行：用na.omit(df)或者dplyr::drop_na()
• 按行索引移除：比如要删除第1、3行，用df[-c(1,3), ]

咱们先聚焦你的具体需求：先筛选出评论数至少10条的电影，再计算它们的平均评分，避免之前误保留单条五星评论电影的问题。

首先，假设你的数据集结构类似这样（模拟你提到的dput()样本）：

# 模拟电影评论数据集的dput
movie_ratings <- structure(list(
  movie_id = c(1,1,1,1,1,1,1,1,1,1,2,2,3,3,3,4),
  rating = c(4,5,3,4,5,2,4,5,3,4,5,5,5,5,5,5)
), class = "data.frame", row.names = c(NA, -16L))

这个示例里：

• 电影1有10条评论（符合要求）
• 电影2/3/4的评论数都不足10，其中3、4全是五星评论（对应你之前遇到的情况）

方法一：用dplyr包（推荐，语法直观） #

先确保安装并加载dplyr：

install.packages("dplyr")
library(dplyr)

方式A：得到汇总结果（每个电影一行，含评论数+平均评分）

这是最直接的需求实现：

movie_summary <- movie_ratings %>%
  group_by(movie_id) %>% # 按电影分组
  summarise(
    review_count = n(), # 统计每组的评论数
    avg_rating = mean(rating) # 计算每组的平均评分
  ) %>%
  filter(review_count >= 10) # 只保留评论数≥10的电影

# 查看结果，只有符合要求的电影1
print(movie_summary)

方式B：保留原始评论行（仅保留符合条件的电影的所有评论）

如果你需要后续对这些评论做更多分析，而不是直接汇总：

filtered_ratings <- movie_ratings %>%
  group_by(movie_id) %>%
  filter(n() >= 10) %>% # 过滤出组内评论数≥10的行
  ungroup() # 取消分组，方便后续操作

# 查看结果，只有电影1的10条评论
print(filtered_ratings)

方法二：用基础R（不依赖第三方包） #

如果你不想用dplyr，用基础R也能实现：

# 第一步：统计每个电影的评论数
review_counts <- aggregate(rating ~ movie_id, data = movie_ratings, FUN = length)
colnames(review_counts)[2] <- "review_count"

# 第二步：筛选出评论数≥10的电影ID
valid_movie_ids <- review_counts[review_counts$review_count >= 10, "movie_id"]

# 第三步：过滤原始数据集，只保留符合条件的电影评论
filtered_ratings_base <- movie_ratings[movie_ratings$movie_id %in% valid_movie_ids, ]

# 第四步：计算这些电影的平均评分
avg_ratings_base <- aggregate(rating ~ movie_id, data = filtered_ratings_base, FUN = mean)
colnames(avg_ratings_base)[2] <- "avg_rating"

print(avg_ratings_base)

为什么之前会只剩五星评分的电影？ #

大概率是你之前的筛选逻辑搞反了——比如误保留了评论数≤1的电影，而这些电影刚好全是五星评论。用上面的分组过滤逻辑，就能精准锁定评论数达标的电影，避免这个问题。

内容的提问来源于stack exchange，提问作者bgg