使用另一个数据帧的信息提取数据帧中组内的间隔。

Question

正如我在标题中所说，我的目的是使用另一个数据帧的信息来提取我的数据帧子集的间隔。

我的意见：

df1:

  subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0024-10   197,34  21
7G001-0024-10   314,66  22
7G001-0024-10   482,77  25
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
7G001-0030-10   585,67  27
     ...         ...   ...

df2：

    subject   Threshold 
7G001-0024-10   177,08
7G001-0030-10   385,13
    ...          ...

对于每个主题，我想在 df1 中提取 0 和每个主题的阈值之间的 x 和 y 数据包含在 df2 中，以获得这种精神的输出：

  subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
    ...          ...   ...

我的第一个想法是在 ddply 函数中使用 which() ：

break=ddply(df1,.(subject),summarize,fun=x[which(x>=0 & x<Threshold )])

但我被卡住了，我没有看到如何在 which 函数中指示我的阈值 (df2) 的变化。

好吧，如果有人能告诉我如何处理它（我的第一个直觉与否）

对不起英语不好。

Answer 1

首先，您的数据：

df1 <- read.table(text = "subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0024-10   197,34  21
7G001-0024-10   314,66  22
7G001-0024-10   482,77  25
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
7G001-0030-10   585,67  27", header = TRUE, dec = ",")

df2 <- read.table(text = "subject   Threshold 
7G001-0024-10   177,08
7G001-0030-10   385,13", header = TRUE, dec = ",")

你可以使用简单的apply来解决任务：

do.call("rbind", apply(df2, 1, FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]}))

#         subject      x  y
# 1 7G001-0024-10   0.00 15
# 2 7G001-0024-10  97.29 18
# 6 7G001-0030-10   0.00 12
# 7 7G001-0030-10  99.50 16
# 8 7G001-0030-10 184.37 20
# 9 7G001-0030-10 301.89 25

---

它是如何工作的？

首先，函数apply(df2, 1, FUN) 对数据框df2 中的每一行应用一个函数。值1 表示该函数应用于对象的第一个维度（第二个维度是列）。

看看一个简单的函数。它只返回df2 的第一行和第二行。请注意，在输出中，行按列排列。

> apply(df2, 1, FUN = function(a) a)
          [,1]            [,2]           
subject   "7G001-0024-10" "7G001-0030-10"
Threshold "177.08"        "385.13"   

由于我们要提取df1 的子集，因此需要更复杂的函数。所以，我指定：

FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]}

在此函数中，a 表示数据框df2 的一行。此函数应用了两次，一次用于df2 的两行。 a[1]是主题号，a[2]是对应的阈值。 该函数通过三个标准提取数据框df1的行子集：

1. 主题相同 (a[1] == df1$subject)
2. x 值至少为零 (df1$x >= 0)
3. x 值不高于阈值 (df1$x <= as.numeric(a[2]))

注意：a[2] 的值需要通过as.numeric 转换为数字。这是必要的，因为 df2 中的主题 ID 表示为字符，因此 apply 将整行（包括阈值）转换为字符。

这些条件中的每一个都返回一个逻辑向量。这些向量与& 组合成一个逻辑向量，指示是否满足所有三个条件。使用df1[logical.vector, ] 选择逻辑向量为TRUE 的df1 的所有行。由于, 之后没有指定任何内容，因此选择了所有列。

df1 的所有三个条件都满足的行由apply 函数返回。

> apply(df2, 1, FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]})
[[1]]
        subject     x  y
1 7G001-0024-10  0.00 15
2 7G001-0024-10 97.29 18

[[2]]
        subject      x  y
6 7G001-0030-10   0.00 12
7 7G001-0030-10  99.50 16
8 7G001-0030-10 184.37 20
9 7G001-0030-10 301.89 25

函数apply返回一个包含两个数据框的列表，每行一个对应df2。

最后一步，将列表中的数据框合并为一个数据框。函数do.call("rbind", list) 执行函数rbind 并将列表中的参数传递给它。对于长度为 2 的列表，这相当于 rbind(list[[1]], list[[2]])。这样apply返回的列表中的两个数据框就合并了。