r 删除不代表所有组的记录

Question

在处理原始数据后，我们得到了以下data.frame

        ItemID    GroupID mentions
1         601          3     1
2         601          4     1
3         611          3     1
4         661          3     1
5         801          3     1
6         821          3     1
6         841          1     3
6         841          2     3
6         841          3     3
6         841          4     3

我有 10000 条这样的记录，我的第一个目标是找出代表所有 4 个 GroupID 的项目。首先，我尝试通过绘图在视觉上做到这一点。

ggplot(item.stats, aes(x=ItemID, y=mentions, fill=GroupID)) + 
  geom_bar(stat='identity', position='dodge')

对于大型数据集，这看起来不是一件明智的事情。了解有多少项目代表所有组并提及提及的最佳方法是什么？

在上面的例子中，过滤后它应该只有：

        ItemID    GroupID mentions
6         841          1     3
6         841          2     3
6         841          3     3
6         841          4     3

试图获得有意义的可视化：

test.with.id <- transform(test,id=as.numeric(factor(ItemID)))
ggplot(test.with.id, aes(x=id, y=mentions, fill=GroupID)) + 
  geom_histogram(stat='identity', position='stack', binwidth = 2)

可能与此类似 How to plot multiple stacked histograms together in R?

Answer 1

您可以按ItemID 分组，然后根据所有4 个组ID 是否都在GroupID 列中进行过滤：

df %>% group_by(ItemID) %>% filter(all(1:4 %in% GroupID))

# A tibble: 4 x 3
# Groups:   ItemID [1]
#  ItemID GroupID mentions
#   <int>   <int>    <int>
#1    841       1        3
#2    841       2        3
#3    841       3        3
#4    841       4        3