根据样本大小/频率排除箱线图中的类别

Question

我有一个大型数据库，我想从中创建箱线图：

数据：测试医院

Y：测试结果(%(：共1500个样品

X1：不同的年份(2011-2017(

x2：不同的医院(30个不同的医院名称(

不同医院的样本量差异很大，因此在某些情况下，数据实际上太少，无法说明数据。因此，我想从箱线图中排除样本大小为 <15 的所有医院。

因此，我想做的是创建一个额外的行，其中包含医院采样次数的频率，并使用该行来排除我的箱线图的低样本量。

正如你可能得到的那样，我对R很陌生，所以对于大多数人来说，这可能是一个非常简单的问题......我真的很想要答案...！

非常感谢你:)

Answer 1

尝试使用dplyr包。group_by有助于区分医院，mutate计数，filter选择至少有15个观察结果的医院。%>%是用于连接函数的管道符号。

install.packages(dplyr)
library(dplyr)
test.hospital.filtered <- group_by(test.hospital, x2) %>%
mutate(sampled_count = n()) %>%
filter(sampled_count >= 15)

现在使用ggplot创建箱线图。年份在 x 轴上，测试结果在 y 轴上，显示过滤后的医院。

install.packages(ggplot)
library(ggplot)
ggplot(test.hospital.filtered, aes(x = x1, y = y, fill = x2)) +
geom_boxplot()