R For循环删除列中从一个字符串到第二个字符串的行范围

Question

我正在尝试从数据框中删除行序列，该序列以已知字符串开头，以已知字符串结尾，但中间行的内容和数量未知。我想在整个数据框上迭代它。

例如，如果数据框如下，我想从 StringA 的所有实例中删除行到 StringB（包括），但保留 StringB 后面的行直到 StringA 的下一次重复；对于下面的示例，即我想删除包含StringA，unknownC，unknownD，unknownS，StringB的行，但保留unknownK和unknownR，然后在StringA，unknownU，unknownP，StringB处继续删除，但保留unknownT。

Column 1  Column 2 
StringA     1
unknownC    9
unknownD   11
unknownS    5
StringB    7
unknownK    6
unknownR    1
StringA    76
unknownU    2
unknownP   41
StringB    3
unknownT    9

我试过df2 <- df[1:which(df[,1]=="StringA")-1,]，这是不正确的，但我不知道还有什么其他方法可以尝试。提前感谢您的任何指导。

Answer 1

您可以尝试这样的事情，通过使用Map 函数构造要删除的索引：

indexToRemove <- unlist(Map(`:`, which(df$`Column 1` == "StringA"), 
                                 which(df$`Column 1` == "StringB")))

df[-indexToRemove, ]
   Column 1 Column 2
6  unknownK        6
7  unknownR        1
12 unknownT        9

数据：

structure(list(`Column 1` = structure(c(1L, 3L, 4L, 8L, 2L, 5L, 
7L, 1L, 10L, 6L, 2L, 9L), .Label = c("StringA", "StringB", "unknownC", 
"unknownD", "unknownK", "unknownP", "unknownR", "unknownS", "unknownT", 
"unknownU"), class = "factor"), `Column 2` = c(1L, 9L, 11L, 5L, 
7L, 6L, 1L, 76L, 2L, 41L, 3L, 9L)), .Names = c("Column 1", "Column 2"
), class = "data.frame", row.names = c(NA, -12L))

Answer 2

您可以使用for 循环。尽管这将比发布的矢量化解决方案慢，但它确实具有一些优点，即非常通用以适应类似的相关问题，并且对意外输入数据具有鲁棒性。

注意事项：

1. 此方法对输入数据中的异常情况具有鲁棒性 - 它不依赖于始终交替且始终成对的 StringA...StringB 对，也不假定 StringA 始终出现在 StringB 之前。每次遇到 StringA 都会开始删除行，直到遇到 StringB。
2. 不利的一面是，在非常大的数据帧上使用此方法可能会很慢，因为我们正在循环内增长数据帧（始终保证会减慢大型操作的速度）。

代码：

keep.line <- TRUE
out.df <- data.frame()

for (i in 1:NROW(my.df)) {
  if (my.df[i,]$Column1 == "StringA") keep.line <- FALSE
  if (keep.line) out.df <- rbind(out.df, my.df[i,])
  if (my.df[i,]$Column1 == "StringB") keep.line <- TRUE
}

out.df
##    Column1    Column2
##    unknownK  0.3679608
##    unknownR -0.8867749
##    unknownT  1.6277386

一些数据：

Column1 <-c( 
"StringA" ,    
"unknownC",    
"unknownD",   
"unknownS",   
"StringB" ,   
"unknownK",   
"unknownR",   
"StringA" ,   
"unknownU",   
"unknownP",   
"StringB" ,   
"unknownT")

my.df <- data.frame(Column1, Column2 = rnorm(12), stringsAsFactors = F)

Answer 3

使用@Psidom 的数据：

sel <- with(dat, 
  (cumsum(`Column 1`=="StringA") == cumsum(`Column 1`=="StringB"))
     &
  (!(`Column 1` %in% c("StringA","StringB")))
)
dat[sel,]

#   Column 1 Column 2
#6  unknownK        6
#7  unknownR        1
#12 unknownT        9

提供一些解释 - 这使用cumsum 来计算"StringA" 和"StringB" 在Column 1 中出现的次数。如果数字匹配，则表示有 1 个A 和 1 个对应的B。如下面标记为= 的值

cumsum(dat$`Column 1`=="StringA")
#[1] 1 1 1 1 1 1 1 2 2 2 2 2
cumsum(dat$`Column 1`=="StringB")
#[1] 0 0 0 0 1 1 1 1 1 1 2 2
#            = = =       = =

删除Column 1 是%in% 目标StringA/B 字符串之一的情况将最终确定。