从 df 中选择根据其值创建子组（一个接一个）的行

【问题标题】：Select rows from df that make subgroups (one by one) based on their value从 df 中选择根据其值创建子组（一个接一个）的行
【发布时间】：2018-03-26 06:21:27
【问题描述】：

我的数据仍然存在障碍。这是可重现的df：

signal1 <- c(rep(1:6))
signal2 <- c(rep(7:12))
signal3 <- c(rep(13:18))
signal4 <- c(rep(19:24))
val <- c(2.5,3.2,2.9,0.1,0.4,4.1)
tag <- c('str1','str2','str3','str4','str5','str6')
gene <- c('ABC','ABC','ABC','DEF','DEF','DEF')
df <- data.frame(signal1,signal2,signal3,signal4,gene,FC)

  signal1 signal2 signal3 signal4 gene val
1       1       7      13      19  ABC 2.5
2       2       8      14      20  ABC 3.2
3       3       9      15      21  ABC 2.9
4       4      10      16      22  DEF 0.1
5       5      11      17      23  DEF 0.4
6       6      12      18      24  DEF 4.1

示例一

我想根据值val 比2.5 在组gene 中更大的值来选择产生连续、系列（2 个或更多）的行。问题是行应该是一一对应的，所以想要的输出应该是这样的：

  signal1 signal2 signal3 signal4 gene val
1       1       7      13      19  ABC 2.5
2       2       8      14      20  ABC 3.2
3       3       9      15      21  ABC 2.9

ABC 组中的三行满足条件 - 系列长度 - 3，一一对应，它们都有 val &gt;= 2.5

示例二

对于数据集：

  signal1 signal2 signal3 signal4 gene val
1       1       7      13      19  ABC 2.5
2       2       8      14      20  ABC 0.2
3       3       9      15      21  ABC 2.9
4       4      10      16      22  DEF 0.1
5       5      11      17      23  DEF 0.4
6       6      12      18      24  DEF 4.1

结果，空 df，因为组中的行都没有出现条纹。

示例三

  signal1 signal2 signal3 signal4 gene val
1       1       7      13      19  ABC 0.5
2       2       8      14      20  ABC 3.2
3       3       9      15      21  ABC 2.9
4       4      10      16      22  DEF 7.1
5       5      11      17      23  DEF 4.4
6       6      12      18      24  DEF 2.1

输出：

  signal1 signal2 signal3 signal4 gene val
2       2       8      14      20  ABC 3.2
3       3       9      15      21  ABC 2.9
4       4      10      16      22  DEF 7.1
5       5      11      17      23  DEF 4.4

两组/条纹/一系列行与val &gt;= 2.5一一对应

示例四

让我们来个更大的数据集：

   signal1 signal2 signal3 signal4 gene  val
1        1      11      21      31  ABC  0.5
2        2      12      22      32  ABC  3.2
3        3      13      23      33  ABC  2.9
4        4      14      24      34  ABC  7.1
5        5      15      25      35  ABC  0.4
6        6      16      26      36  DEF  4.1
7        7      17      27      37  DEF  6.2
8        8      18      28      38  DEF  0.2
9        9      19      29      39  DEF  3.2
10      10      20      30      40  DEF 12.1

一个输出：

   signal1 signal2 signal3 signal4 gene  val
2        2      12      22      32  ABC  3.2
3        3      13      23      33  ABC  2.9
4        4      14      24      34  ABC  7.1
6        6      16      26      36  DEF  4.1
7        7      17      27      37  DEF  6.2
9        9      19      29      39  DEF  3.2
10      10      20      30      40  DEF 12.1

我希望你看到我在寻找什么。

我试图用dplyr做点什么：

df %>%
  group_by(gene) %>%
  group_by(val >= 2.5)

示例 II 的数据结果：

# A tibble: 6 x 7
# Groups:   FC >= 2.5 [2]
  signal1 signal2 signal3 signal4 gene     FC `FC >= 2.5`
    <int>   <int>   <int>   <int> <fct> <dbl> <lgl>      
1       1       7      13      19 ABC   2.50  T          
2       2       8      14      20 ABC   2.40  F          
3       3       9      15      21 ABC   2.90  T          
4       4      10      16      22 DEF   0.100 F          
5       5      11      17      23 DEF   0.400 F          
6       6      12      18      24 DEF   4.10  T

现在至少在两次出现中一一选择我们有T 的行。在这种情况下，我们没有这种情况......

我将非常感谢您的帮助。

编辑：

akrun 提出的答案可以解决问题： 对于数据集：

   signal1 signal2 signal3 signal4 gene  val
1        1      11      21      31  ABC  0.5
2        2      12      22      32  ABC  3.2
3        3      13      23      33  ABC  0.9
4        4      14      24      34  ABC  7.1
5        5      15      25      35  ABC  0.4
6        6      16      26      36  DEF  4.1
7        7      17      27      37  DEF  6.2
8        8      18      28      38  DEF  0.2
9        9      19      29      39  DEF  0.2
10      10      20      30      40  DEF 12.1

我希望只有两行 DEF 编号为 6 和 7。

我们有：

# A tibble: 2 x 6
  signal1 signal2 signal3 signal4 gene    val
    <int>   <int>   <int>   <int> <fct> <dbl>
1       6      16      26      36 DEF    4.10
2       7      17      27      37 DEF    6.20

效果很好！

编辑 #2：

不幸的是我发现了一个小错误：

对于数据：

   signal1 signal2 signal3 signal4 gene  val
1        1      11      21      31  ABC  0.5
2        2      12      22      32  ABC  3.2
3        3      13      23      33  ABC  7.9
4        4      14      24      34  DEF  8.1
5        5      15      25      35  DEF  0.4
6        6      16      26      36  DEF  4.1
7        7      17      27      37  GHI  6.0
8        8      18      28      38  GHI  0.2
9        9      19      29      39  GHI  8.2
10      10      20      30      40  JKL 12.1

只应返回第 2 行和第 3 行及之后：

f1(df, gene, val)

我们有：

# A tibble: 6 x 6
  signal1 signal2 signal3 signal4 gene    val
    <int>   <int>   <int>   <int> <fct> <dbl>
1       2      12      22      32 ABC    3.20
2       3      13      23      33 ABC    7.90
3       4      14      24      34 DEF    8.10
4       6      16      26      36 DEF    4.10
5       7      17      27      37 GHI    6.00
6       9      19      29      39 GHI    8.20

但是您的第一个代码：

df %>% 
  group_by(gene, grp = rleid(val >= 2.5)) %>%
  filter(val >= 2.5, n() > 1) %>%
  ungroup %>%
  select(-grp)

返回：

# A tibble: 2 x 6
  signal1 signal2 signal3 signal4 gene    val
    <int>   <int>   <int>   <int> <fct> <dbl>
1       2      12      22      32 ABC    3.20
2       3      13      23      33 ABC    7.90

我认为 tidyverse 掩盖了 dplyr 功能，并且在 R 中重新启动会话后：

数据集：

signal1 <- c(rep(1:10))
signal2 <- c(rep(11:20))
signal3 <- c(rep(21:30))
signal4 <- c(rep(31:40))
val <- c(0.5,3.2,7.9,8.1,4.4,0.1,6.0,0.2,8.2,12.1)
tag <- c('str1','str2','str3','str4','str5','str6','str7','str8','str9','str10')
gene <- c('ABC','ABC','ABC','DEF','DEF','DEF','GHI','GHI','GHI','JKL')
df <- data.frame(signal1,signal2,signal3,signal4,gene,val)
df
   signal1 signal2 signal3 signal4 gene  val
1        1      11      21      31  ABC  0.5
2        2      12      22      32  ABC  3.2
3        3      13      23      33  ABC  7.9
4        4      14      24      34  DEF  8.1
5        5      15      25      35  DEF  4.4
6        6      16      26      36  DEF  0.1
7        7      17      27      37  GHI  6.0
8        8      18      28      38  GHI  0.2
9        9      19      29      39  GHI  8.2
10      10      20      30      40  JKL 12.1

通过以下方式获得的结果：

df %>% 
  group_by(gene, grp = rleid(val >= 2.5)) %>%
  filter(val >= 2.5, n() > 1) %>%
  ungroup %>%
  select(-grp

正确

# A tibble: 4 x 6
  signal1 signal2 signal3 signal4 gene    val
    <int>   <int>   <int>   <int> <fct> <dbl>
1       2      12      22      32 ABC    3.20
2       3      13      23      33 ABC    7.90
3       4      14      24      34 DEF    8.10
4       5      15      25      35 DEF    4.40

函数得到的结果：

f1 <- function(dat, grp1, grp2) {
  grp1 <- dplyr::enquo(grp1)
  grp2 <- dplyr::enquo(grp2)
  dat %>%
    dplyr::group_by(!! grp1) %>%
    dplyr::group_by(grp = data.table::rleid(!!(grp2) >= 2.5), add = TRUE) %>%
    dplyr::filter(val >= 2.5, n() > 1) %>%
    ungroup %>%
    dplyr::select(-grp)
}

# A tibble: 6 x 6
  signal1 signal2 signal3 signal4 gene    val
    <int>   <int>   <int>   <int> <fct> <dbl>
1       2      12      22      32 ABC    3.20
2       3      13      23      33 ABC    7.90
3       4      14      24      34 DEF    8.10
4       5      15      25      35 DEF    4.40
5       7      17      27      37 GHI    6.00
6       9      19      29      39 GHI    8.20

很遗憾，它不正确，GHI 中没有连续一行...

【问题讨论】：

  • 你能检查一下你的环境中加载的包吗？我认为可能还有其他具有filter 的软件包。一种选择是明确指定dplyr::filter
  • 可能是tidyverse，我做了编辑，dplyr ver 0.7.4
  • 你的rlang是什么版本
  • 亲爱的 Akrun，我重新安装了 dplyr 和 data.table，还删除了 tidyverse。我重新启动了R，终于finction工作了！你是R之神！我印象深刻
  • 我通常不会加载 tidyverse bcz 这个问题。很高兴知道该功能对您很有效。我是根据你们的问题来学习的。我没有什么特别的。

标签： r dataframe filter group-by dplyr


【解决方案1】：

基于示例，我们创建一个函数来执行filtering

library(data.table)
library(dplyr)

f1 <- function(dat, grp1, grp2) {
     grp1 <- enquo(grp1)
     grp2 <- enquo(grp2)
     dat %>%
        group_by(!! grp1) %>%
        group_by(grp = rleid(!!(grp2) >= 2.5), add = TRUE) %>%
        filter(val >= 2.5, n() > 1) %>%
        ungroup %>%
        select(-grp)
   }

-示例一

f1(df1, gene, val)
# A tibble: 3 x 6
#  signal1 signal2 signal3 signal4 gene    val
#    <int>   <int>   <int>   <int> <chr> <dbl>
#1       1       7      13      19 ABC    2.50
#2       2       8      14      20 ABC    3.20
#3       3       9      15      21 ABC    2.90

-示例二

f1(df2, gene, val)
# A tibble: 0 x 6
# ... with 6 variables: signal1 <int>, signal2 <int>, signal3 <int>, signal4 <int>, gene <chr>, val <dbl>

-例子三

f1(df3, gene, val)
# A tibble: 4 x 6
#  signal1 signal2 signal3 signal4 gene    val
#    <int>   <int>   <int>   <int> <chr> <dbl>
#1       2       8      14      20 ABC    3.20
#2       3       9      15      21 ABC    2.90
#3       4      10      16      22 DEF    7.10
#4       5      11      17      23 DEF    4.40

-例子四

f1(df4, gene, val)
# A tibble: 7 x 6
# Groups: gene [2]
#  signal1 signal2 signal3 signal4 gene    val
#    <int>   <int>   <int>   <int> <chr> <dbl>
#1       2      12      22      32 ABC    3.20
#2       3      13      23      33 ABC    2.90
#3       4      14      24      34 ABC    7.10
#4       6      16      26      36 DEF    4.10
#5       7      17      27      37 DEF    6.20
#6       9      19      29      39 DEF    3.20
#7      10      20      30      40 DEF   12.1

-示例V

f1(df5, gene, val)
# A tibble: 2 x 6
#  signal1 signal2 signal3 signal4 gene    val
#    <int>   <int>   <int>   <int> <chr> <dbl>
#1       6      16      26      36 DEF    4.10
#2       7      17      27      37 DEF    6.20

-示例六

f1(df6, gene, val)
# A tibble: 2 x 6
#  signal1 signal2 signal3 signal4 gene    val
#    <int>   <int>   <int>   <int> <chr> <dbl>
#1       2      12      22      32 ABC    3.20
#2       3      13      23      33 ABC    7.90

【讨论】：

  • 但是，当我们有多个组时，它会起作用吗？不仅有ABC、DEF，还有更多GHI、JKL 等？
  • @Adamm 我们按“基因”分组，所以“基因”中有多少级别并不重要
  • @Adamm 为了避免任何错误，我在按“基因”分组后创建了“grp”。
  • @Adamm 如果你运行 'f1' 的更新代码，你只会得到 2 行
  • @Adamm 你的 dplyr 版本是什么？我使用 0.7.4。你能在一个新的会话上运行吗
猜你喜欢
  • 2017-04-22
  • 1970-01-01
  • 1970-01-01
  • 2021-03-02
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2020-11-12
相关资源
最近更新 更多
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode