R子集多列中的值不匹配的行

Question

抱歉，如果已经有人问过这个问题，但我搜索并找不到我正在尝试做的确切示例。我正在尝试对数据框进行子集化，以排除在五列中具有匹配数值的行。例如，对于以下数据帧 df，我想返回一个仅包含 1:2、5:6 和 8:10 行的新数据帧：

Row A   B   C   D   E
1   1   1   2   3   1
2   4   1   2   3   5
3   2   2   2   2   2
4   5   5   5   5   5
5   4   4   2   3   4
6   2   1   3   5   2
7   3   3   3   3   3
8   3   2   5   3   3
9   2   1   2   2   4
10  3   3   3   2   3

我无法弄清楚如何为超过两列执行此操作。我尝试了以下方法并知道它们不正确。

df2 <- df[!duplicated(df, c("A", "B", "C", "D", "E"))]

和

df2 <- df[df$A==df$B==df$C==df$D==df$E,]

提前致谢。

Answer 1

数据框通常按列而不是按行操作，这就是您的 duplicated 尝试不起作用的原因。 （它正在检查这些列中的重复行。）您的== 不起作用，因为== 是二元运算符，df$A == df$B 将是 TRUE 或 FALSE，然后 (df$A == df$B) == df$C（隐含括号）将进行测试如果df$C 为真或假。

apply 是在每个行 上运行函数的好方法。它会将您的数据框转换为矩阵以运行该函数，但在这种情况下，A 到 E 列都是数字。这是一种方法：

df[apply(df[, -1], 1, function(x) length(unique(x))) > 1, ]
#    Row A B C D E
# 1    1 1 1 2 3 1
# 2    2 4 1 2 3 5
# 5    5 4 4 2 3 4
# 6    6 2 1 3 5 2
# 8    8 3 2 5 3 3
# 9    9 2 1 2 2 4
# 10  10 3 3 3 2 3

您可以为apply 提供各种不同的功能来测试所有元素是否相同。

我假设您实际上有一个名为 Row 的列。如果不是这种情况，请在我上面的代码中省略-1。

---

使用此数据，与dput() 重复共享。

df = structure(list(Row = 1:10, A = c(1L, 4L, 2L, 5L, 4L, 2L, 3L, 
3L, 2L, 3L), B = c(1L, 1L, 2L, 5L, 4L, 1L, 3L, 2L, 1L, 3L), C = c(2L, 
2L, 2L, 5L, 2L, 3L, 3L, 5L, 2L, 3L), D = c(3L, 3L, 2L, 5L, 3L, 
5L, 3L, 3L, 2L, 2L), E = c(1L, 5L, 2L, 5L, 4L, 2L, 3L, 3L, 4L, 
3L)), .Names = c("Row", "A", "B", "C", "D", "E"), class = "data.frame", row.names = c(NA, 
-10L))

Answer 2

您可以简单地将所有列与单个列进行比较，看看是否都相同

df[rowSums(df[-1] == df[, 1]) < (ncol(df) - 1), ]
#    A B C D E
# 1  1 1 2 3 1
# 2  4 1 2 3 5
# 5  4 4 2 3 4
# 6  2 1 3 5 2
# 8  3 2 5 3 3
# 9  2 1 2 2 4
# 10 3 3 3 2 3

或者只是df[rowSums(df == df[, 1]) < (ncol(df)), ]

---

或者类似地，您可以同时避免矩阵转换并将Reduce 和lapply 组合在一起

df[!Reduce("&" , lapply(df, `==`, df[, 1])), ]
#    A B C D E
# 1  1 1 2 3 1
# 2  4 1 2 3 5
# 5  4 4 2 3 4
# 6  2 1 3 5 2
# 8  3 2 5 3 3
# 9  2 1 2 2 4
# 10 3 3 3 2 3