排除类别在箱线图根据样本大小/频率

Question

我有一个大数据库从中我想创建的箱线图：

数据：test.hospital

Y：试验结果（％）：1500样品中的总

X1：不同年（2011年至2017年）

X2：不同医院（30个不同医院名称）

样本大小不同医院很多，所以在某些情况下，实际上数据太少无法说明数据。因此，我想排除所有医院从我的boxplot有样本大小< 15.

所以我想要做的是创建一个额外的行频率多少时间医院采样，并使用该行排除我的boxplot的低样本大小..

因为你可能会得到的是，我对R很新，所以对大多数人来说，这是可能的。一个非常简单的问题......但我真的很喜欢它的答案...！

非常感谢哟:)

Answer 1

尝试使用dplyr包。 group_by有助于区分不同医院，mutate统计它们，filter选择至少有15个观察点的医院。 %>%是加入功能的管道符号。

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创建箱型图。年数在x轴上，测试结果在y轴上，显示过滤的医院。

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