基于 R 中的变量从 data.frames 列表中设置子集答案

【问题标题】：Subsetting from a list of data.frames based on a variable in R基于 R 中的变量从 data.frames 列表中设置子集
【发布时间】：2019-12-16 12:09:21
【问题描述】：

我有一个 data.frame HERE。使用subset() 我试图取出study.names（data.frame 中的一列）只有1s 变量post 而不是2 或3。

因此，我的期望输出是找出有多少研究只有post == 1，没有post == 2，或3。

这是我尝试但没有成功的方法：

D <- read.csv("https://raw.githubusercontent.com/izeh/m/master/k.csv", h = T) # The data

m <- split(D, D$study.name) ; m[[1]] <- NULL  # split by `study.names`

subset(m, post == 1 & post != 2 & post != 3)  # subset studies with only post == 1 
                                              # but not post == 2 and post == 3


Error: object 'post' not found

【问题讨论】：

标签： r list dataframe subset lapply

【解决方案1】：

您使用 subset 函数的方式在全局环境中查找名为 post 的对象，但它不存在，因为它只是数据中的一列。

执行此操作的简单方法是利用 sapply 使用 all 函数构造一个逻辑条件，然后以这种方式子集列表：

cond <- sapply(m, function(df) all(df$post == 1))

m[cond]

【讨论】：

df 是函数参数的名称，它一定要运行

【解决方案2】：

您的第一个问题是 subset 不能像您期望的那样在列表上工作。

D <- read.csv("https://raw.githubusercontent.com/izeh/m/master/k.csv", h = T) # The data

m <- split(D, D$study.name) ; 

m[[1]] <- NULL  # split by `study.names`

table(sapply(m, function(x) all(x[["post"]]==1)) )
# FALSE  TRUE 
# 5     2

还有一个 tidyverse 解决方案：

D %>% group_by(study.name) %>% summarise(only_1=all(post==1))
# study.name only_1
# <fct>      <lgl> 
#   1 ""         NA    
# 2 Bit.KnoA   FALSE 
# 3 Bit.KnoB   FALSE 
# 4 ChandlerA  TRUE  
# 5 Mubarak    FALSE 
# 6 Sheen      FALSE 
# 7 Shin.Ellis FALSE 
# 8 Trus.Hsu   TRUE 

D %>% group_by(study.name) %>% summarise(only_1=all(post==1)) %>% summarise(tot=sum(only_1, na.rm = T))
# A tibble: 1 x 1
# tot
# <int>
#   1     2

【讨论】：

有没有办法使用subset？
subset 用于过滤数据帧、向量或矩阵，但不用于列表。你可以这样做，但它会很复杂，并且仍然需要一个带有一些额外逻辑的 *apply 函数。

【解决方案3】：

如果您只查找1 记录，您可以检查post 中1 元素的数量是否等于data.frame 的行数。

only_1 <- sapply(m, function(x) sum(x$post == 1) == nrow(x))

这会返回

  Bit.KnoA   Bit.KnoB  ChandlerA    Mubarak      Sheen Shin.Ellis   Trus.Hsu 
     FALSE      FALSE       TRUE      FALSE      FALSE      FALSE       TRUE

那么只有 1 个值的研究数量为：

sum(only_1)
[1] 2

【讨论】：