sottoinsieme dataframe sulla base di conteggi periferici

Question

Ho un dataframe che assomiglia seguente:

df <- data.frame(Site=rep(paste0('site', 1:5), 50), 
      Month=sample(1:12, 50, replace=T), 
      Count=(sample(1:1000, 50, replace=T))) 

Voglio rimuovere tutti i siti in cui il conteggio è sempre < 5% del conteggio mensile massimo in tutti i siti.

I conteggi mensili max in tutti i siti sono:

library(plyr) 
ddply(df, .(Month), summarise, Max.Count=max(Count)) 

Se un conteggio di 1 è assegnato a site5, allora i suoi conti sono sempre < 5% di conteggi mensili max in tutti i siti. Quindi vorrei rimuovere site5.

df$Count[df$Site=='site5'] <- 1 

Tuttavia, dopo l'assegnazione di nuovi valori site2, alcuni dei suoi conti sono < 5% di conteggi mensili max, mentre altri sono> 5%. Pertanto, non vorrei rimuovere site2.

df$Count[df$Site=='site2'] <- ceiling(seq(1, 1000, length.out=20)) 

Come posso sottoinsieme dataframe di rimuovere tutti i siti in cui i conteggi sono sempre < 5% del numero di max mensile? Fammi sapere se la domanda non è chiara e correggerò.

Answer 1

Ecco una soluzione plyr:

## df2$test is true if Count >= max(Count)*0.05 for this month 
df2 <- ddply(df, .(Month), transform, test=Count>=(max(Count)*0.05)) 
## For each site, test$keep is true if at least one count is >= max(Count)*0.05 for this month 
test <- ddply(df2, .(Site), summarise, keep=sum(test)>0) 
## Subsetting 
sites <- test$Site[test$keep] 
df[df$Site %in% sites,] 

Answer 2

Una soluzione data.table:

require(data.table) 
set.seed(45) 
df <- data.frame(Site=rep(paste0('site', 1:5), 50), 
     Month=sample(1:12, 50, replace=T), 
     Count=(sample(1:1000, 50, replace=T))) 
df$Count[df$Site=='site5'] <- 1 

dt <- data.table(df, key=c("Month", "Site")) 
# set max.count per site+month 
dt[, max.count := max(Count), by = list(Month)] 
# get the site that is TRUE for all months it is present 
d1 <- dt[, list(check = all(Count < .05 * max.count)), by = list(Month, Site)] 
sites <- as.character(d1[, all(check == TRUE), by=Site][V1 == TRUE, Site]) 

dt.out <- dt[Site != sites][, max.count := NULL] 
#  Site Month Count 
# 1: site1  1 939 
# 2: site1  1 939 
# 3: site1  1 939 
# 4: site1  1 939 
# 5: site1  1 939 
# ---     
# 196: site2 12 969 
# 197: site2 12 684 
# 198: site2 12 613 
# 199: site2 12 969 
# 200: site2 12 684