基于最小案例数的While循环层级判定函数及稀有层级数据处理问询

我来帮你一步步搞定这两个问题，先从封装While循环开始，再处理稀有层级的需求：

1. 封装While循环为函数：根据最小案例数确定层级数目 #

核心思路是：先统计每个层级的案例量，然后循环检查是否有层级不满足最小案例数要求，直到所有层级都达标。这里我写一个通用函数，你可以根据实际需求调整合并逻辑：

determine_levels <- function(data, var_name, min_cases) {
  # 统计目标变量各层级的案例数（忽略NA）
  level_counts <- table(data[[var_name]], useNA = "no")
  
  # 循环：只要存在层级案例数小于最小值，就继续处理
  while(any(level_counts < min_cases)) {
    # 找到当前案例数最少的层级
    smallest_level <- names(which.min(level_counts))
    
    # 把稀有层级合并到"Other"类别，你也可以改成合并到其他现有层级
    if(!"Other" %in% names(level_counts)) {
      level_counts["Other"] <- 0
    }
    # 将最小层级的案例数累加至"Other"，然后移除该层级
    level_counts["Other"] <- level_counts["Other"] + level_counts[smallest_level]
    level_counts <- level_counts[names(level_counts) != smallest_level]
  }
  
  # 返回最终符合要求的层级名称
  return(names(level_counts))
}

函数使用示例 #

比如用你提供的df数据框，检查变量x的层级，要求每个层级至少100个案例：

valid_x_levels <- determine_levels(df, "x", 100)
valid_x_levels

运行后会返回满足条件的层级（包括合并后的"Other"）。

2. 用suggest_levels处理数据框中的稀有层级 #

suggest_levels是recipes包中的工具，专门用来自动筛选符合案例数要求的分类层级。先确保你安装并加载了这个包：

install.packages("recipes")
library(recipes)

步骤1：用suggest_levels筛选符合要求的层级 #

这个函数可以直接指定最小案例数（新版本支持count参数），帮你找出所有满足条件的层级：

# 筛选变量x中至少100个案例的层级
suggest_x <- suggest_levels(df$x, count = 100)
# 筛选变量y中至少100个案例的层级
suggest_y <- suggest_levels(df$y, count = 100)

步骤2：应用层级筛选结果 #

有两种方式处理数据：

方式一：用recipes的预处理流程（推荐，更规范）

通过step_other把不符合要求的层级合并到"Other"：

# 创建预处理配方
rec <- recipe(z ~ x + y, data = df) %>%
  # 对x变量，保留suggest_x中的层级，其余合并为"Other"
  step_other(x, levels = suggest_x) %>%
  # 对y变量做同样处理
  step_other(y, levels = suggest_y) %>%
  # 基于原始数据训练配方
  prep(data = df)

# 生成处理后的数据集
processed_df <- bake(rec, df)

# 验证处理后的层级案例数
table(processed_df$x)
table(processed_df$y)

方式二：手动修改数据框

如果你不想用recipes包，也可以直接用筛选结果手动替换：

# 处理x变量
df$x <- ifelse(df$x %in% suggest_x, as.character(df$x), "Other")
df$x <- factor(df$x)

# 处理y变量
df$y <- ifelse(df$y %in% suggest_y, as.character(df$y), "Other")
df$y <- factor(df$y)

# 检查结果
table(df$x)
table(df$y)

这样处理后，所有层级（包括"Other"）的案例数都会≥100，满足你的需求。

内容的提问来源于stack exchange，提问作者Iryna Pazharytskaya