如何计算R数据集中每列（所有列的值都是数字）的相同值计数小于40%的那列。

Question

在R代码中，我想从一个数据集中选择所有的变量，其中每个列的相同值小于40%.我正在应用sapply，但没有得到正确的输出。注：所有列的值都是数字。

train = train[, sapply(train, function(col) length(unique(col))) < 0.4*nrow(train)]

请建议如何继续。

Answer 1

通过玩弄一个玩具数据集，我找到了这段代码，它的工作原理是这样的

train[, sapply(train, function(x) {(sort(table(x), decreasing = TRUE)/nrow(train))[[1]] < 0.4})]

基本上，我为每一列数字创建相对频率表（按递减顺序排序）。train，然后我检查每列的最频繁值出现的次数是否少于40%。如果是，则选择此列，否则丢弃。