寻找一个 dplyr 函数来有条件地应用过滤器答案

【问题标题】：Looking for a dplyr function to apply a filter conditionally寻找一个 dplyr 函数来有条件地应用过滤器
【发布时间】：2020-07-06 18:33:54
【问题描述】：

我有一个包含各种血液学值及其采集时间的数据框。这些值应该只在特定时间收集，但偶尔会添加一个额外的值。我想删除在计划时间之外收集值的任何实例。

为了说明这个问题，这里有一些代码来创建我正在使用的数据框的一个非常简化的版本（加上一些示例时间表）：

example <- tibble("Parameter" = c(rep("hgb", 3), rep("bili", 3), rep("LDH", 3)), 
                  "Collection" = c(1, 3, 4, 1, 5, 6, 0, 4, 8))

hgb_sampling <- c(1, 4)
bili_sampling <- c(1, 5)
ldh_sampling <- c(0, 4)

因此，我需要一种方法来根据“参数”列中的值有条件地应用过滤器。该解决方案需要适合 dyplr 管道并产生如下内容：

filtered <- tibble("Parameter" = c(rep("hemoglobin", 2), rep("bilirubin", 2), rep("LDH", 2)), 
                  "Collection" = c(1, 4, 1, 5, 0, 4))

我已经尝试了几件事（它们都类似于下面的内容）但是使用“参数”会出错：

df <- example %>%
  {if (Parameter == "hgb") filter(., Collection %in% hgb_sampling)}

有什么建议吗？

【问题讨论】：

这些采样值是最小值、最大值还是只是精确值？因为你提到了集合次。

标签： r dplyr tidyverse

【解决方案1】：

涉及dplyr、stringr 和tibble 的选项可能是：

enframe(mget(ls(pattern = "sampling"))) %>%
 mutate(name = str_extract(name, "[^_]+")) %>%
 right_join(example %>%
             mutate(Parameter = tolower(Parameter)), by = c("name" = "Parameter")) %>%
 filter(Collection %in% unlist(value)) %>%
 select(-value)

  name  Collection
  <chr>      <dbl>
1 hgb            1
2 hgb            4
3 bili           1
4 bili           5
5 ldh            0
6 ldh            4

如果存储在单独的 df 中，如 @Ronak Shah 所示，那么您可以这样做：

example %>%
 filter(Collection %in% unlist(ref_df$value[match(Parameter, ref_df$Parameter)]))

【讨论】：

【解决方案2】：

您可以创建一个引用 tibble，将其与 example 连接并仅保留选定的行。

library(dplyr)

ref_df <- tibble::tibble(Parameter = c("hgb","bili", "LDH"), 
                         value  = list(c(1, 4), c(1, 5), c(0, 4)))

example %>%
  inner_join(ref_df, by = 'Parameter') %>%
  group_by(Parameter) %>%
  filter(Collection %in% unique(unlist(value))) %>%
  select(Parameter, Collection)

#  Parameter Collection
#  <chr>          <dbl>
#1 hgb                1
#2 hgb                4
#3 bili               1
#4 bili               5
#5 LDH                0
#6 LDH                4

【讨论】：

【解决方案3】：

将您的有效时间放入与Collection 中的名称匹配的列表中，然后按Collection 中的值分组并按sample_list 中每个列表元素的值进行过滤：

sample_list <- list(hgb = c(1, 4), bili = c(1, 5), LDH = c(0, 4))

example %>% 
    group_by(Parameter) %>% 
    filter(Collection %in% sample_list[[first(Parameter)]])

输出：

# A tibble: 6 x 2
  Parameter  Collection
  <chr>           <dbl>
1 hemoglobin          1
2 hemoglobin          4
3 bilirubin           1
4 bilirubin           5
5 LDH                 0
6 LDH                 4

【讨论】：

【解决方案4】：

其他解决方案

library(tidyverse)
library(purrr)
fltr <- list(hgb = c(1, 4), bili = c(1, 5), LDH = c(0,4)) %>% 
  enframe(name = "Parameter")

example %>% 
  group_by(Parameter) %>% 
  nest() %>% 
  left_join(fltr) %>% 
  mutate(out = map2(.x = data, .y = value, .f = ~ filter(.x, Collection %in% .y))) %>% 
  unnest(out) %>% 
  select(Parameter, Collection)

【讨论】：

【解决方案5】：

简单的方法，很容易修改、添加、删除、调试……

library(dplyr)

example %>%
  filter(Parameter=="hgb" & Collection %in% c(1, 4) |
         Parameter=="bili" & Collection %in% c(1, 5) |
         Parameter=="LDH" & Collection %in% c(0, 4) )

或者，如果您希望值在一个范围内：

example %>%
  filter(Parameter=="hgb" & between(Collection, 1, 4) |
         Parameter=="bili" & between(Collection, 1, 5) |
         Parameter=="LDH" & between(Collection, 0, 4))

【讨论】：

简单点。谢谢。
顺便说一句，这正是我修复已损坏 2 周的代码所需要的。谢谢。

【解决方案6】：

试试purrr::imap_dfr:

library(tidyverse)

example <- tibble("Parameter" = c(rep("hgb", 3), rep("bili", 3), rep("LDH", 3)), 
                  "Collection" = c(1, 3, 4, 1, 5, 6, 0, 4, 8))

l <- list(hgb = c(1, 4), bili = c(1, 5), LDH = c(0, 4))

imap_dfr(l, ~example %>%
           filter(Parameter == .y & Collection %in% .x))

# # A tibble: 6 x 2
# Parameter Collection
# <chr>          <dbl>
#   1 hgb                1
# 2 hgb                4
# 3 bili               1
# 4 bili               5
# 5 LDH                0
# 6 LDH                4

【讨论】：