使用 dplyr 根据多个条件删除行答案

【问题标题】：Delete rows based on multiple conditions with dplyr使用 dplyr 根据多个条件删除行
【发布时间】：2018-01-21 12:23:51
【问题描述】：

我正在尝试根据多列中的值删除数据集中的特定行。仅当满足所有 3 列中的条件时，才应删除行。

这是我的代码：

test_dff %>%
  filter(contbr_nm != c('GAITHER, BARBARA', 'PANIC, RADIVOJE', 'KHAN, RAMYA') & 
           contbr_city != c('APO AE', 'PORSGRUNN', 'NEW YORK') &
           contbr_zip != c('9309', '3924', '2586'))

此代码应删除表中的 12 行。相反，它删除了绝大多数。我怀疑，只要满足其中一个条件，它就会删除所有可能的行。

是否有更好的解决方案，或者我必须使用here 描述的方法？

我需要分别指定每个组合吗？像这样？这种方法也删除了太多的行，所以也是错误的。

test_dff %>%
  filter((contbr_nm != 'GAITHER, BARBARA' & contbr_city != 'APO AE' & contbr_zip != '9309') &
         (contbr_nm != 'PANIC, RADIVOJE' & contbr_city != 'PORSGRUNN' & contbr_zip != '3924') &
           (contbr_nm != 'KHAN, RAMYA' & contbr_city != 'NEW YORK' & contbr_zip != '2586') )

如果我只专注于删除基于一个变量的行，则这段代码有效：

test_dff %>%
  filter(contbr_zip != c('9309')) %>%
  filter(contbr_zip != c('3924')) %>%
  filter(contbr_zip != c('2586'))

为什么这种方法行不通？

test_dff %>%
  filter(contbr_zip != c('9309','3924','2586'))

非常感谢您的帮助。

【问题讨论】：

请提供可重现的数据集，并包括您想要的输出。目前还不完全清楚您要做什么。
感谢您的留言，很抱歉没有预先提供更多信息。我从这里classic.fec.gov/disclosurep/pnational.do 为纽约州下载了关于美国总统竞选捐款（2016 年）的数据集。我正在尝试清理所有无效邮政编码的数据集。我想删除符合我代码中提到的 3 列条件的特定行。
也许你在关注%in%？

标签： r dplyr

【解决方案1】：

这是一种基于连接的方法 - 所有项目都必须完全匹配。

main <- read.csv(text = "
id,name,city,zip
1,mary,new york,10017
2,jonah,new york,10016
3,tamil,manhattan,10019
4,vijay,harlem,10028
")

excludes <- read.csv(text = "
name,city,zip
jonah,new york,10016
vijay,harlem,10028
")

library(dplyr)
anti_join(main, excludes)

#   id  name      city   zip
# 1  3 tamil manhattan 10019
# 2  1  mary  new york 10017

【讨论】：

【解决方案2】：

调整你的第二个问题（未测试）

test_dff %>%
  filter(!((contbr_nm == 'GAITHER, BARBARA' & contbr_city == 'APO AE' & contbr_zip == '9309') |
           (contbr_nm == 'PANIC, RADIVOJE' & contbr_city == 'PORSGRUNN' & contbr_zip == '3924') |
           (contbr_nm == 'KHAN, RAMYA' & contbr_city == 'NEW YORK' & contbr_zip == '2586') ))

【讨论】：

【解决方案3】：

这是一种方法，它通过连接您要使用过滤器引用的多列中的值来创建新变量：

set.seed(15)
dfTest <- data.frame(matrix(round(rnorm(20),3), nrow=10))
dfTest$tempcol <- paste(dfTest$X1,dfTest$X2)

head(dfTest)
      X1     X2       tempcol
1  0.259  0.855   0.259 0.855
2  1.831 -0.365  1.831 -0.365
3 -0.340  0.166   -0.34 0.166
4  0.897 -1.243  0.897 -1.243
5  0.488  1.459   0.488 1.459
6 -1.255 -0.004 -1.255 -0.004

#Now remove the values by filtering on tempcol
dfTest %>%
  filter(tempcol != '0.259 0.855') %>%
  select(1:2) #omit tempcol in output

      X1     X2
1  1.831 -0.365
2 -0.340  0.166
3  0.897 -1.243
4  0.488  1.459
5 -1.255 -0.004
6  0.023 -0.021
7  1.091  0.032
8 -0.132 -1.167
9 -1.075 -0.520

【讨论】：

谢谢克里斯。也可以使用select(-tempcol) 而不是select(1:2) 来删除tempcol。如果 df 在某个阶段获得更多变量，它会更安全