r语言 - 确定跨多个变量的相同响应的百分比

Question

我有一个包含许多变量的数据集，包括 26 个变量，所有变量的值范围为 1-12。我想删除至少 80% 的值相同的所有行(超过 21 个 1，或超过 21 个 2 等(。我很难想出在 R 中执行此操作的方法，并且非常感谢有关如何解决此问题的一些想法！

当我运行

out <- df1[apply(df1, 1, function(x) mean(x == Mode(x)) <= 0.8),] 

代码在一个组中

的变量子集上，另一个组中变量的值都变为 NA。

以下是 60 行数据集，其中包含来自所有三个条件的 5 个问题：https://nofile.io/f/gBWymjYmQ2O/dataset

我的预期输出是 df1(它有 100+ 个变量(，删除了对 26 个感兴趣的变量具有超过 80% 相同响应的行。

Answer 1

我们可以遍历数据集的行，获取值的频率，检查最高频率值是否不超过 80% 以创建逻辑vector并基于此删除行

Mode <- function(x) {
   ux <- unique(x)
   ux[which.max(tabulate(match(x, ux)))]
} 
out <- df1[apply(df1, 1, function(x)  mean(x == Mode(x)) <= 0.8),]

更新

根据 OP 的数据集，行中有 NA，有些行包含所有 NA。 我们可以更改代码以删除具有所有 NA 且具有 80% 相同值的行

Mode <- function(x) {
 ux <- unique(x[!is.na(x)])
 ux[which.max(tabulate(match(x, ux)))]
 } 
df1[ apply(df1, 1, function(x)  mean(x == Mode(x), na.rm = TRUE) <= 0.8 & !all(is.na(x))),]

数据

set.seed(24)
df1 <- as.data.frame(matrix(sample(1:12, 26 *20, replace = TRUE), ncol = 26))
df1[c(1, 3, 7),1:21] <- 5