0

Tengo el vector generado con "rep(letters, times = 26:1)". Necesito crear otro que cuente las veces que aparecen las cinco letras más frecuentes y que agrupe el resto en "otros". ¿Cual sería la metodología para hacer un TOP N en estos casos?

2 respuestas 2

1

Pienso que en R base la clave está en utilizar las funciones head() y tail(), de la siguiente manera:

# Creamos el vector
vector <- rep(letters, times = 26:1)
    
frecuencias <- table(vector) # Contamos las frecuencias por cada categoría
n <- 5 # Fijamos el número de categorías en los primeros n-lugares
num.categorias <- length(frecuencias) # 'Preguntamos' cuántas categorías hay
primeras <- head(frecuencias, n) # Contamos las primeras categorías
resto <- tail(frecuencias, num.categorias - n) # Contamos el resto
resto <- sum(resto) # Sumamos los elementos del resto    
frecs <- c(primeras, otras = resto) # Agrupamos las primeras y el resto
print(frecs)
> a     b     c     d     e  otras 
> 26    25    24    23    22   231 
1

Quizás una manera de abordar esto sería utilizando la librería dplyr. No se si entendí del todo tu pregunta, pero acá tienes dos ejemplos que podrían ayudar. El primero crea un vector con aquellas letras que se repiten más de 5 veces. Y el segundo ejemplo, crea un dataframe con el vector, y despues crea que una nueva columna status para indicar que letra en este caso es del grupo top 5 o del grupo otros.

library(dplyr)

Ejemplo 1

data.frame(
    columna1 = rep(letters, times = 26:1) 
  ) %>% 
  group_by(columna1) %>% 
  summarize(frequencia = n()) %>% 
  filter(frequencia > 5) %>% 
  select(columna1) %>% 
  pull()

 "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u"

Ejemplo 2

data.frame(
  columna1 = rep(letters, times = 26:1) 
) %>% 
  group_by(columna1) %>% 
  summarize(frequencia = n()) %>% 
  mutate(
    status = ifelse(frequencia > 5, "top_5", "Otros") 
  )

columna1 frequencia status
   <chr>         <int> <chr> 
 1 a                26 top_5 
 2 b                25 top_5 
 3 c                24 top_5 
 4 d                23 top_5 
 5 e                22 top_5 
 6 f                21 top_5 
 7 g                20 top_5 
 8 h                19 top_5 
 9 i                18 top_5 
10 j                17 top_5 
2
  • El segundo caso es el que mas se asemeja. ¡Muchas gracias! Pero en ese caso, como podría tomar el vector que he creado (o data.frame) y crear otro que cuente las veces que aparecen las cinco letras más frecuentes y que agrupe el resto en otros. el 24 ago. 2022 a las 13:01
  • 1
    El segundo ejemplo se hace cargo de esa situación. Lo único distinto que el vector usado en el ejemplo, la frecuencia de las letras es siempre mayor a 5 para todas. Si tratas con otro vector o dataframe donde la frequencia de la variable es menor a 5, el código del segundo ejemplo, asignará esta variable en la categoría otros.
    – Isaac
    el 24 ago. 2022 a las 17:56

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.