【问题标题】：R - dplyr - filter top_n rows based on multiple conditionsR - dplyr - 根据多个条件过滤 top_n 行
【发布时间】：2018-07-10 02:32:55
【问题描述】：

嗨，这是我的第一篇文章，

我希望它是正确且可重现的。

我想知道是否有比我下面的方法更优雅的解决方案

我有一个数据框，想使用条件过滤器并提取满足这些条件的行。

作为输出，我希望 top_n 行满足条件标准（不同列的 top_n 输出的不同条件），同时保留所有其他列。

示例数据框：

 set.seed(123)
  df1 <- data.frame(
  A = as.numeric(1:10),
  B = sample(seq(as.Date('2000/01/01'), as.Date('2018/01/01'), by="day"), size=10),
  C = as.numeric(sample(20:90, size = 10)),
  D = sample(c("yes", "no"), size=10, replace = TRUE),
  E = as.numeric(sample(1000:2000, size = 10))
)


df1 #check output

> df1 #check output
    A          B  C   D    E
1   1 2005-03-06 87  no 1963
2   2 2014-03-11 51  no 1902
3   3 2007-05-12 66  no 1690
4   4 2015-11-22 58  no 1793
5   5 2016-12-02 26  no 1024
6   6 2000-10-26 79  no 1475
7   7 2009-07-01 35  no 1754
8   8 2016-01-19 22  no 1215
9   9 2009-11-30 40 yes 1315
10 10 2008-03-17 85 yes 1229

我想用于过滤的条件：

A) 如果 E 列介于 1000 和 1500 之间，则返回 A 列加权的前 2 行

B) 如果 E 列介于 1000 和 2000 之间，则返回在 B 列上加权的前 2 行

C) 如果 E 列介于 1000 和 1400 之间，则返回 C 列加权的前 2 行

我想出了以下解决方案，但它很麻烦，我想知道是否有更好的方法。

library("dplyr")
library("tidyr")
A<- df1 %>% dplyr::filter(E >= 1000 & E <= 1500) %>% top_n( n = 2, wt = A)  %>% arrange(-A) %>% mutate(condition = "-cond_A")
B<- df1 %>% dplyr::filter(E >= 1000 & E <= 2000) %>% top_n( n = 2, wt = B) %>% arrange(B) %>% mutate(condition = "cond_B")
C<- df1 %>% dplyr::filter(E >= 1000 & E <= 1400) %>% top_n( n = 2, wt = C) %>% arrange(-C) %>% mutate(condition = "-cond_C")

我想要的输出如下：

spread(as.data.frame(distinct(bind_rows(A,B,C))),condition, condition)

   A          B  C   D    E -cond_A -cond_C cond_B
1  5 2016-12-02 26  no 1024    <NA>    <NA> cond_B
2  8 2016-01-19 22  no 1215    <NA>    <NA> cond_B
3  9 2009-11-30 40 yes 1315 -cond_A -cond_C   <NA>
4 10 2008-03-17 85 yes 1229 -cond_A -cond_C   <NA>

如果你能告诉我一个更好的方法，那就太好了！

【问题讨论】：

标签： r dplyr

【解决方案1】：

我们可以使用purrr 中的map2 来循环遍历更改的<= 条件以及采用列名的wt 参数（基于OP 的代码）

library(purrr)
library(dplyr)
library(tidyr)
map2(c(1500, 2000, 1400), names(df1)[1:3],
          ~ df1 %>%
                 filter(E >= 1000 & E <= .x) %>%
                 top_n(n=2, wt = !! rlang::sym(.y)) %>% 
                 arrange_at(.y, funs(desc(.))) %>%
                 mutate(condition = paste0("-cond", .y)))  %>%
                 bind_rows %>% 
                 distinct %>% 
                 spread(condition, condition) 
#   A          B  C   D    E -condA -condB -condC
#1  5 2016-12-02 26  no 1024   <NA> -condB   <NA>
#2  8 2016-01-19 22  no 1215   <NA> -condB   <NA>
#3  9 2009-11-30 40 yes 1315 -condA   <NA> -condC
#4 10 2008-03-17 85 yes 1229 -condA   <NA> -condC

【讨论】：

谢谢，阿克伦！这看起来很整洁，我需要了解更多关于 map2 的信息。另外，你能解释一下 top_n(n=2, wt = !! rlang::sym(.y)) 行吗？
另外，如果下限 (1000) 并不总是相同，是否可以修改？例如。如果我想要 1000-1500 和 1200-2000 和 1300-1400？
@Moe 看来你想通了

【解决方案2】：

太好了，非常感谢！

在我的 cmets 中，我问你是否可以为 map2 提供更多参数，我意识到 pmap 可以做到这一点。

pmap(list(c(1500, 2000, 1400), c(1000, 1700, 1300), names(df1)[1:3]),
     ~ df1 %>%
       filter(E >= ..2 & E <= ..1) %>%
       top_n(n=2, wt = !! rlang::sym(..3)) %>% 
       arrange_at(..3, funs(desc(.))) %>%
       mutate(condition = paste0("-cond", ..3)))  %>%
  bind_rows %>% 
  distinct %>% 
  spread(condition, condition)

【讨论】：