R：使用多列中的条件删除行和替换值

Question

我想过滤掉 var3

> foo <- data.frame(var1=c(1, 1, 8, 8, 5, 5, 5), var2=c(1,2,3,2,4,6,8), var3=c(7,1,1,1,1,1,6))
> foo
  var1 var2 var3
1    1    1    7
2    1    2    1
3    8    3    1
4    8    2    1
5    5    4    1
6    5    6    1
7    5    8    6

subset(foo, (foo$var3>=5)) 将删除第 2 行到第 6 行，我会丢失 var1==8。

• 如果 var1 的另一个值满足 foo$var3 >= 5 的条件，我想删除该行。请参见第 5 行。
• 我想保留该行，如果值 var1 的所有出现不满足条件 foo$var3 >= 5，则将 NA 分配给 var2 和 var3。

这是我期望的结果：

  var1 var2 var3
1    1    1    7
3    8   NA   NA
7    5    8    6

这是我得到的最接近的：

> foo$var3[ foo$var3 < 5 ] = NA
> foo$var2[ is.na(foo$var3) ] = NA
> foo
  var1 var2 var3
1    1    1    7
2    1   NA   NA
3    8   NA   NA
4    8   NA   NA
5    5   NA   NA
6    5   NA   NA
7    5    8    6

现在我只需要知道如何有条件地删除正确的行（2、3 或 4、5、6）：如果 var2 和 var3 为 NA 并且如果 var1 的值，则删除该行出现超过 1 次。

但肯定有一种更简单/优雅的方法来解决这个小问题。

编辑： 更改了 foo 以更类似于我的用例

Answer 1

最快的方法是使用合并：

> merge(foo[foo$var3>5,],unique(foo$var1),by.x=1,by.y=1,all.y=T)
  var1 var2 var3
1    1    1    7
2    5    8    6
3    8   NA   NA

unique(foo$var1) 给出 var1 中的唯一值。这些映射到 var3 大于 5 的数据帧。您取每个参数的第一列（all.x=1，all.y=1），然后说应该表示 y 中的所有值（all.y=T）。另见?merge。

如果你想保留订单，那么：

> merge(foo[foo$var3>5,],unique(foo$var1),by.x=1,by.y=1,
+ all.y=T)[order(unique(foo$var1)),]
  var1 var2 var3
1    1    1    7
3    8   NA   NA
2    5    8    6

merge 对发生映射的变量进行排序。 order 给出了这种排序，因此您可以使用该顺序作为索引来反转它。另见?order。

Answer 2

这是一种使用plyr 包函数ddply 和colwise 以及subset 函数的方法。先定义一个辅助函数null2na：

null2na <- function(x) if ( length(x) == 0 ) NA else x

接下来定义函数filter，我们希望将其应用于每个具有var1 特定值的子数据帧：

filter <- function(df) cbind( data.frame( var1 = df[1,1]),
                              colwise(null2na) (subset(df, var3 >= 5)[,-1]))

现在通过var1 对foo 执行ddply：

> ddply(foo, .(var1), filter)
  var1 var2 var3
1    1    1    7
2    5    8    6
3    8   NA   NA

Answer 3

rbind(r <- subset(foo, (foo$var3>=5)), 
      unique(transform(subset(foo, !var1%in%r$var1), var2=NA, var3=NA)))

一步一步：

r <- subset(foo, (foo$var3>=5))

r2 <- subset(foo, !var1%in%r$var1) # extract var1 != r$var1
r3 <- transform(r2, var2=NA, var3=NA) # replace var2 and var3 with NA
r4 <- unique(r3) # remove duplicates

rbind(r, r4) # bind them

Answer 4

完成后：

foo$var3[ foo$var3 < 5 ] = NA
foo$var2[ is.na(foo$var3) ] = NA

您需要删除包含 NA 且也是 var1 重复值的行：

foo[!(!complete.cases(foo) & duplicated(foo$var1)), ]

将此行视为识别包含 NA 值和重复 var1 值的行，然后选择其他所有值。

编辑：如果数据框中的给定值 var1 的第一行的值是 var3 并且您要排除，我的解决方案不起作用。您需要先订购 data.frame 以确保完整的案例首先出现：

foo <- foo[order(foo$var2),]   # ordering on var3 should be the same
foo[!(!complete.cases(foo) & duplicated(foo$var1)), ]

Answer 5

试试这个：

foo <- data.frame(var1= c(1, 1, 2, 3, 3, 4, 4, 5), 
     var2=c(9, 5, 13, 9, 12, 11, 13, 9), 
     var3=c(6, 8, 3, 6, 4, 7, 2, 9))
f2=foo[which(foo$var3>5),]

missing = which(!(foo$var1 %in% f2$var1))
f3 = rbind(f2, list(foo$var1[missing], rep(NA, length(missing)),rep(NA,length(missing))))
f3[order(f3$var1),]

仅当您关心顺序时才需要最后一行（假设数据首先在 var1 上排序=。