在 R 中过滤分组数据

Question

我想知道是否有人可以帮助对下面的数据进行分组，因为我正在尝试使用子集函数来过滤掉低于某个阈值的卷，但鉴于数据代表对象组，这会产生删除某些对象的问题应该保留的物品。

在 F 列（和 I）中，您可以看到蓝色、红色和黄色对象。每个代表一条 DNA 链上的三个单独的有色探针。奇数编号或非编号的蓝色、红色和黄色与由偶数编号的蓝色、红色和黄色表示的同源链配对。即第 2、3 和 4 行中的数据是一个“组”，并与第 5、6 和 7 行中显示的“组”配对。然后重复，因此 8、9、10 是一个新组，并且该组对与 11、12、13 中的一个。

我想做的是对组进行子集化，以便仅保留到中点（M 列）一定距离以下的组。这里的中点是连接一组蓝色与其伙伴蓝色的线的中点，因此子集应该只适用于蓝色到中点的距离，这就是我遇到问题的地方。例如，如果我要求保持到中点的蓝色距离小于 3，则应保留第 3 行和第 4 行中的对象，因为它们是蓝色距离低于 3 的组的一部分。虽然现在当我使用子集函数我失去了红色选择和黄色选择。我相信在 R 中有一个直截了当的解决方案，但如果有人通过该路线提出建议，我也愿意在 excel 中进行某种类型的过滤。

编辑 昨晚发布问题后，我设法在 Excel 中解决了一些问题。解决方案并不漂亮，但效果很好。我刚刚在“到中点的距离”旁边添加了一个新列，它为一组中的所有对象提供相同的距离，这样当我过滤数据时，我就不会丢失任何我不应该丢失的对象。如果它对将来的任何人有帮助，我在 excel 中使用的公式是：

     =SQRT ( ((INDEX($B$2:$B$945,1+QUOTIENT(ROWS(B$2:B2)-1,3)*3))-   (INDEX($O$2:$O$945,1+QUOTIENT(ROWS(O$2:O2)-1,3)*3)) ) ^2 +(  (INDEX($C$2:$C$945,1+QUOTIENT(ROWS(C$2:C2)-1,3)*3))-(INDEX($P$2:$P$945,1+QUOTIENT(ROWS(P$2:P2)-1,3)*3)) ) ^2 +(  (INDEX($D$2:$D$945,1+QUOTIENT(ROWS(D$2:D2)-1,3)*3))-(INDEX($Q$2:$Q$945,1+QUOTIENT(ROWS(Q$2:Q2)-1,3)*3)) ) ^2)

Answer 1

使用可重现的示例会更容易，但这是一个（hacky）plyr 解决方案：

filterframe<-function(df,threshold){
  df$grouper<-rep(seq(from=1,to=6),nrow(df)/6)
  dataout<-df%>%group_by(grouper)%>%summarise(keep=.[[1]]$distance_to_midpoint<threshold)
  dataout[dataout$keep,]
}

filterframe(mydata)

Answer 2

下面提供的基础 R 解决方案。这个想法是，一旦您的数据在 R 中，您（编辑）就保留！如果他们满足 2 个标准，则行。首先，Surpass 列中必须包含单词“blue”，这是通过grepl 函数完成的。二、距离必须低于一定的阈值（由thresh任意设置。

fakeData=data.frame(Surpass=c('blue', 'red', 'green', 'blue'),
           distance=c(1,2,5,3), num=c(90,10,9,4))  

#thresh is your distance threshold
thresh = 2
fakeDataNoBlue = fakeData[which(grepl('blue', fakeData$Surpass) 
                  & fakeData$distance < thresh),]

可能还有一个使用filter 的快速dplyr 解决方案，但我还没有完全探索那里的功能。另外，如果您还想保留其他颜色，我可能会有些困惑。如果是这样，这与说您要删除超过一定距离阈值的蓝色是一样的，您只需执行-which 命令，然后将< 运算符转换为> 运算符。