基于删除行的多个标准子集数据框答案

【问题标题】：Subseting data frame based on multiple criteria for deletion of rows基于删除行的多个标准子集数据框
【发布时间】：2020-03-30 07:52:42
【问题描述】：

考虑以下由列名“id”和“x”组成的数据框，其中每个 id 重复四次。数据如下：

df<-data.frame("id"=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4),
                "x"=c(2,2,1,1,2,3,3,3,1,2,2,3,2,2,3,3))

问题是关于如何按以下标准对数据框进行子集化：

(1) 保留每个 id 的所有条目，如果它在 x 列中的对应值不包含 3 或它的最后一个数字为 3。

(2) 对于在 x 列中具有多个 3 的给定 id，将所有数字保留到前 3 并删除剩余的 3。预期的输出如下所示：

我熟悉使用 dplyr 包中的“过滤器”功能来对数据进行子集化，但由于上述标准的复杂性，这种特殊情况让我感到困惑。对此的任何帮助将不胜感激。

【问题讨论】：

标签： r dataframe filter subset

【解决方案1】：

这是一种使用/创建一些新列来帮助您过滤的解决方案：

library(dplyr)

df<-data.frame("id"=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4),
               "x"=c(2,2,1,1,2,3,3,3,1,2,2,3,2,2,3,3))

df %>%
  group_by(id) %>%                                    # for each id
  mutate(num_threes = sum(x == 3),                    # count number of 3s
         flag = ifelse(unique(num_threes) > 0,        # if there is a 3
                        min(row_number()[x == 3]),    # keep the row of the first 3
                        0)) %>%                       # otherwise put a 0
  filter(num_threes == 0 | row_number() <= flag) %>%  # keep ids with no 3s or up to first 3
  ungroup() %>%
  select(-num_threes, -flag)                          # remove helpful columns

# # A tibble: 13 x 2
#      id     x
#   <dbl> <dbl>
# 1     1     2
# 2     1     2
# 3     1     1
# 4     1     1
# 5     2     2
# 6     2     3
# 7     3     1
# 8     3     2
# 9     3     2
# 10    3     3
# 11    4     2
# 12    4     2
# 13    4     3

【讨论】：

【解决方案2】：

这对我有用：

数据

df<-data.frame("id"=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4),
                "x"=c(2,2,1,1,2,3,3,3,1,2,2,3,2,2,3,3))

命令

library(dplyr)
df <- mutate(df, before = lag(x))

df$condition1 <- 1

df$condition1[df$x == 3 & df$before == 3] <- 0
final_df <- df[df$condition1 == 1, 1:2]

结果

【讨论】：

【解决方案3】：

一个想法是选择带有x==3 的行并在它们上面使用unique()。然后将仅带有单个 3 的唯一行附加到数据框的其余部分，最后对行进行排序。

这里是base R 针对上述想法的解决方案：

res <- (r <- with(df,rbind(df[x!=3,],unique(df[x==3,]))))[order(as.numeric(rownames(r))),]
rownames(res) <- seq(nrow(res))

给了

数据

df<-data.frame("id"=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4),
               "x"=c(2,2,1,1,2,3,3,3,1,2,2,3,2,2,3,3))

【讨论】：