根据其他变量中的条件值，通过一个变量对 data.table 进行子集答案

【问题标题】：Subset data.table by one variable based on conditional values in other variables根据其他变量中的条件值，通过一个变量对 data.table 进行子集
【发布时间】：2019-09-03 21:38:27
【问题描述】：

我在 R 中有一个 data.table，我需要根据某些条件对其进行子集化

dt <- data.table(X_ID=c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4), Y_ID=c(1,2,3,4,5,6, 1,2,3,4,5,6, 1,2,3,4,5,6, 1,2,3,4,5,6), Value1=c(6,4,8,9,10,12,5,7,8,3,4,8,7,3,9,7,4,12,45,3,2,1,2,5),Value2=c(6,6,8,9,10,12,5,4,8,3,4,8,7,5,9,7,4,12,45,1,2,1,2,5))

当 Y_ID 等于 2 时，我想保留值 1 大于值 2 的所有 X_ID。例如，对于 X_ID=1，当 Y_ID=2 时，值 1 大于值 2。在这种情况下，我想保留所有 X_ID=1 的行。

我目前正在使用过滤器功能（如下所示）来获得解决方案。

dt2 <- filter(dt,is.na(match(dt$X_ID,filter(dt, Y_ID==2&Value1<Value2)$X_ID)))

但是有没有办法让这段代码更具可读性？或者使用 data.table 原生的东西来对我需要的行进行子集化？

【问题讨论】：

标签： r data.table subset

【解决方案1】：

使用data.table：

    dt<-dt[X_ID %in% dt[(Y_ID == 2 & (Value1 > Value2))]$X_ID]

#    X_ID Y_ID Value1 Value2
#1:    2    1      5      5
#2:    2    2      7      4
#3:    2    3      8      8
#4:    2    4      3      3
#5:    2    5      4      4
#6:    2    6      8      8
#7:    4    1     45     45
#8:    4    2      3      1
#9:    4    3      2      2
#10:    4    4      1      1
#11:    4    5      2      2
#12:    4    6      5      5

【讨论】：

刚刚注意到上面提到的子集代码并没有改变仍然包含 24 行的原始 data.table （与其他 data.table 操作不同，例如在原始 data.table 中添加新的计算列也会通过添加的新列进行内联更新）。我需要将此输出分配给一个新的 data.table 以存储被选中的行。出于好奇，知道为什么 data.table 中不同类型的操作之间存在这种差异吗？

【解决方案2】：

对于Y_ID == 2 和Value1 > Value2 至少有一个值的组，我们可以使用dplyr group_by X_ID 和filter。

library(dplyr)

dt %>%
  group_by(X_ID) %>%
  filter(any(Y_ID == 2 & Value1 > Value2))

#    X_ID  Y_ID Value1 Value2
#   <dbl> <dbl>  <dbl>  <dbl>
# 1     2     1      5      5
# 2     2     2      7      4
# 3     2     3      8      8
# 4     2     4      3      3
# 5     2     5      4      4
# 6     2     6      8      8
# 7     4     1     45     45
# 8     4     2      3      1
# 9     4     3      2      2
#10     4     4      1      1
#11     4     5      2      2
#12     4     6      5      5

【讨论】：