在 R 中，如何根据数据每行中的最大值进行过滤？

Question

我有一个包含 19 列纯数字数据的 tibble（或数据框，如果您愿意的话），我想将其过滤到至少有一个值高于或低于阈值的行。我更喜欢 tidyverse/dplyr 解决方案，但不管用什么都可以。

这与this question 相关，但在我看来至少有两种不同的方式：

1. 我没有标识符列（除了行号，我想）
2. 我需要根据正在评估的当前行中的最大值进行子集化，而不是跨列进行子集化

以下是我尝试过的尝试：

data %>% filter(max(.) < 8)
data %>% filter(max(value) < 8)
data %>% slice(which.max(.))

Answer 1

这是一种保持行的值高于阈值的方法。为了使值保持在阈值以下，只需反转 any 中的不等式 -

data %>% 
  filter(apply(., 1, function(x) any(x > threshold)))

实际上，@r2evans 在 cmets 中有更好的答案 -

data %>%
  filter(rowSums(. > threshold) >= 1)

Answer 2

结合更多应该可以很好扩展的选项：

library(dplyr)

# a more dplyr-y option 
iris %>%
      filter_all(any_vars(. > 5))

# or taking advantage of base functions
iris %>%
      filter(do.call(pmax, as.list(.))>5)

Answer 3

也许有更好更有效的方法，但是如果我理解正确的话，这两个功能应该可以满足您的需求。此解决方案假定您只有数字数据。

• 您转置 tibble（因此您获得了一个数字矩阵）
• 然后您使用 map 来获取按列的最大值或最小值（即初始数据集中按行的最大值/最小值）。
• 您获得了您要查找的行索引
• 最后，您可以过滤数据集。

# Random Data -------------------------------------------------------------

data <- as.tibble(replicate(10, runif(20)))

# Threshold to be used -----------------------------------------------------

max_treshold = 0.9
min_treshold = 0.1

# Lesser_max --------------------------------------------------------------

lesser_max = function(data, max_treshold = 0.9) {
  index_max_list =
    data %>%
    t() %>%
    as.tibble() %>%
    map(max) %>%
    unname()

  index_max =
    index_max_list < max_treshold

  data[index_max,]
}

# Greater_min -------------------------------------------------------------

greater_min = function(data, min_treshold = 0.1) {
  index_min_list =
    data %>%
    t() %>%
    as.tibble() %>%
    map(min) %>%
    unname()

  index_min =
    index_min_list > min_treshold

  data[index_min,]
}

# Examples ----------------------------------------------------------------

data %>%
  lesser_max(max_treshold)

data %>%
  greater_min(min_treshold)

Answer 4

我们可以使用base R方法

data[Reduce(`|`, lapply(data, `>`, threshold)),]`