在建模前减少因子水平的数量

事实上,有一个很好的包裹 forcats 这有助于处理各种因素。你可以用 fct_lump ,这正是您所需要的:

library(tidyverse)

df %>% mutate(colour = fct_lump(colour, n = 2))
#>   colour
#> 1   blue
#> 2   blue
#> 3   blue
#> 4  green
#> 5  green
#> 6  Other
#> 7  Other

具有 tidyverse 函数,您可以尝试如下操作:

df %>%
  group_by(colour) %>%
  mutate(cnt = n()) %>%
  mutate(grp = if_else(cnt >= 2, as.character(colour), as.character("Other"))) %>%
  select(-cnt)

它给出(这里,阈值为 >= 2 )

  colour grp  
  <fct>  <chr>
1 blue   blue 
2 blue   blue 
3 blue   blue 
4 green  green
5 green  green
6 orange Other
7 grey   Other

使用 replace 和 ave

df$colour <- as.character(df$colour)
replace(df$colour, ave(df$colour, df$colour, FUN = length) < 2, "Other")

#[1] "blue"  "blue"  "blue"  "green" "green" "Other" "Other"

这里我们计算 length 每组的( colour ) 代替 “其他”的值,其中 长度 小于2。

如果你想,你可以转换 颜色 返回系数使用 as.factor 在应用模型之前。