R - 通过列标题向量对行进行交互式子集

Question

我有 2 个不同的数据框，格式如下：

DF1 -

  v1 v2 v3 v4 v5
a 1  2  +
b 5  2  +  +
c 5  2  +     +
d 4  3     +  +
e 1  5  +     +
f 3  5 
g 4  2  
h 3  1  
i 5  5  +     +

DF2 -

  v1 v2 v3 v4 
a 1  2  +
b 5  2  +  +
c 5  2  +     
d 4  3     +  
e 1  5  +     
f 3  5 
g 4  2  
h 3  1  
i 5  5  +     

我的脚本给出了 v1 和 v2 的散点图，但首先我删除了 v3-v4 或 v3-v5 中至少有一个“+”的行。

我的数据框可以使用更多的 v1-v2 对更大，但总是有 v3-v4 或 v3-v5 列带有“+”。我手动调整代码以指定要绘制的列以及要删除的行，具体取决于我正在处理的 DF 格式。

效果很好，但我想让脚本更具交互性，如下所示：

# Select v3-v4 or v3-v5 via interactive gui to give vector of column headers.
remove.vars.vector <- select.list(names(DF), # Select columns as vector of column header names via interactive gui.
                           multiple = TRUE, # Can choose multiple columns.
                           title = "Choose variables to remove from data set", # Title on gui.
                           graphics = TRUE) # Allow launch of gui.

# Return columns from DF with this vector of column headers.
remove.vars.subset <- DF[remove.vars.vector]
# Return rows that have at least one "+" in v3-v4 or v3-v5.
remove.vars.subset.+ <- subset(DF, remove.vars.subset == "+")
# Removes all rows that contain >=1 NA.
complete.data.+ <- remove.vars.subset.+[complete.cases(remove.vars.subset.+), ] 
# Combine by rows "complete.data.+" with DF.
combo.list <- rbind(DF,complete.data.+)
# Remove duplicate rows from combined data frame.
complete.data <- combo.list[!duplicated(combo.list, fromLast = FALSE) & !duplicated(combo.list, fromLast = TRUE),]

问题：上述代码并未完全剥离 v3-4 或 v3-5 中至少包含一个“+”的行的数据框。问题似乎是这些行：

# Return rows that have at least one "+" in v3-v4 or v3-v5.
    remove.vars.subset.+ <- subset(DF, remove.vars.subset == "+")

最后我还得到了一些行，每个单元格中只有 NA，因此在下一行代码中完成了。

因此，最终的数据帧在 v3-4 或 v3-5 中仍然包含一些带有“+”的行。

问题：

有没有更好的方法来使用列标题向量（行中可能包含“+”）来对数据框中的行进行子集化？

提前谢谢你。

编辑 - 09/08/2016 - 18:54 我只是注意到一些我没有澄清我的数据框的东西。有些行在 v3-v4 或 v3-v5 中没有“+”。这些是我最终想要保留的行，以便绘制散点图。我已经相应地编辑了数据框。我只是在寻找答案以尝试理解它们。我对 R 还是很陌生。

Answer 1

假设您的数据 DF 是

> DF
  v1 v2 v3 v4 v5
1  1  2  +      
2  5  2  +  +   
3  5  2  +     +
4  4  3     +  +
5  1  5  +     +

我选择v3 和v4。然后remove.vars.subset，按照你的代码，是

> remove.vars.subset
  v3 v4
1  +   
2  +  +
3  +   
4     +
5  +   

注意remove.vars.subset == "+" 的计算结果为

> remove.vars.subset == "+"
        v3    v4
[1,]  TRUE FALSE
[2,]  TRUE  TRUE
[3,]  TRUE FALSE
[4,] FALSE  TRUE
[5,]  TRUE FALSE

然后subset 正在做的是要求R 从条件评估为TRUE 的数据框中返回行，即：

DF[c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE),]

连接第一列和第二列。但是数据框中只有 5 行，而逻辑向量中有 10 个元素。由于 DF 只有 5 行，所以附加了 NAs（所以就好像 DF 有 10 行）并相应地评估表达式。所以你看：

> subset(DF, remove.vars.subset == "+")
     v1 v2   v3   v4   v5
1     1  2    +          
2     5  2    +    +     
3     5  2    +         +
5     1  5    +         +
NA   NA NA <NA> <NA> <NA>
NA.1 NA NA <NA> <NA> <NA>

你可能想尝试的是

DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
> DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
[1] v1 v2 v3 v4 v5
<0 rows> (or 0-length row.names)

它不返回任何行，因为所有行（给定v3 和v4 的选择）都至少有一个“+”。但是假设我们选择了v4 和v5：

> DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
  v1 v2 v3 v4 v5
1  1  2  +   

Answer 2

我有一个解决方案，您不选择列，而是从数据框中删除所有带有“+”和 NA 的行。我不知道这是否有帮助。 它基于以下问题： Better way to filter a data frame with dplyr using OR?

v1 <- c(1,2,3,4,5,NA)
v2 <- c(1,2,3,4,5,NA)
v3 <- c("","+","+","","",NA)
v4 <- c("","+","","+","",NA)
v5 <- c("","+","","","",NA)

D1 <- cbind.data.frame(v1,v2,v3,v4,v5,stringsAsFactors=F)

library(dplyr)

remove.vars.vector <- c("v3","v4","v5")
condition <- c("+",NA)

D1 %>%
  filter(rowSums(sapply(D1, FUN = "%in%", condition)) == 0) -> D1_new

编辑： 我找到了选择列的可能性，不幸的是我没有找到按字符向量选择列的解决方案：

D1 %>% select_(remove.vars.vector) -> D1_sub # NOT working

D1 %>% select(v3:v5) -> D1_sub # working
D1 %>% select(v3,v4,v5) -> D1_sub # working
D1 %>% select_("v3","v4","v5") -> D1_sub # working

D1 %>%
  filter(rowSums(sapply(D1_sub, FUN = "%in%", condition)) == 0) -> D1_new