Você não precisa complicar muito para fazer isso, você tem apenas que contar as ocorrências de cada level usando table e depois remover as linhas em que as ocorrências são menores que o limite. Por exemplo:
tb <- table(dataset$fatores)
rem <- !(dataset$fatores %in% names(tb[tb <= 2]))
dataset[rem, ]
# fatores V2 V3
# 2 5 -0.01619026 0.36458196
# 4 11 0.82122120 -0.11234621
# 5 3 0.59390132 0.88110773
# 6 11 0.91897737 0.39810588
# 7 12 0.78213630 -0.61202639
# 8 8 0.07456498 0.34111969
# 9 8 -1.98935170 -1.12936310
# 11 3 -0.05612874 1.98039990
# 12 3 -0.15579551 -0.36722148
# 14 5 -0.47815006 0.56971963
# 18 12 0.38767161 0.68973936
# 19 5 -0.05380504 0.02800216
# 21 12 -0.41499456 0.18879230
# 22 3 -0.39428995 -1.80495863
# 23 8 -0.05931340 1.46555486
# 26 5 -0.16452360 0.47550953
# 28 5 0.69696338 0.61072635
# 29 11 0.55666320 -0.93409763
# 30 5 -0.68875569 -1.25363340
Nesse caso, todas as linhas dos fatores c(1, 2, 4, 6, 7, 9, 10)
foram removidas.
Você pode aplicar a mesma lógica de outras formas. Usando sapply
para criar um vetor com a contagem, e depois filtrar por ele:
rem <- sapply(seq_len(nrow(dataset)), function(i) {
sum(dataset$fatores[i] == dataset$fatores)
}) > 2
dataset[rem, ]
Ou usando dplyr
, contando linha a linha quantas vezes aquele fator ocorre e utilizando isso como critério para o filtro.
library(dplyr)
dataset %>% rowwise() %>% filter(sum(fatores == .$fatores) > 2)
Uma dica: Quando for criar variáveis aleatórias que não devam representar números, é melhor utilizar letras, pra facilitar a interpretação dos resultados. No seu caso, poderia ser letters[1:12]
.