过滤匹配向量所有值的数据框答案

【问题标题】：Filter data frame matching all values of a vector过滤匹配向量所有值的数据框
【发布时间】：2017-08-09 18:43:25
【问题描述】：

我想通过包含IDs 来过滤数据框IDs，其中包含与testVector 的所有值匹配的Hour 行。 p>

ID <- c('A','A','A','A','A','B','B','B','B','C','C')
Hour <- c('0','2','5','6','9','0','2','5','6','0','2')

x <- data.frame(ID, Hour)
x
   ID Hour
1   A    0
2   A    2
3   A    5
4   A    6
5   A    9
6   B    0
7   B    2
8   B    5
9   B    6
10  C    0
11  C    2

testVector <- c('0','2','5')

该解决方案应产生以下数据框：

ID C 的所有值都被删除，因为它缺少 Hour 5。请注意，我想保留与 IDs 匹配的 Hour 的所有值 testVector。

dplyr 解决方案是理想的，但欢迎任何解决方案。

基于 SO 上的其他相关问题，我猜我需要 %in% 和 all 的某种组合，但我无法完全弄清楚。

【问题讨论】：

标签： r

【解决方案1】：

%in% 和 all 的组合听起来很有希望，在基础 R 中，您可以如下利用它们：

to_keep = sapply(lapply(split(x,x$ID),function(x) {unique(x$Hour)}), 
                                              function(x) {all(testVector %in% x)})
x = x[x$ID %in% names(to_keep)[to_keep],]

或类似，但根据 d.b. 跳过不必要的 lapply 和更有效。在 cmets 中：

temp = sapply(split(x, x$ID), function(a) all(testVector %in% a$Hour))
x[temp[match(x$ID, names(temp))],]

输出：

希望这会有所帮助！

【讨论】：

还有temp = sapply(split(x, x$ID), function(a) all(testVector %in% a$Hour)); x[temp[match(x$ID, names(temp))],]
谢谢！您能否向我解释一下您的代码是如何工作的？特别是，我不明白嵌套的 lapply/sapply 是如何工作的。
@holastello，我将解释 d.b. 的版本：首先，我们根据 x$ID 列将数据帧分组。然后，我们用 sapply 遍历该列表，并使用function(a) 之后的函数来测试 testVector 中的所有元素是否也在 a$Hour 中。我希望能解释它，如果不让我知道！在我的解决方案中，我首先使用了另一个 lapply 来获取唯一值，但这是不必要的。
@d.b.这是一个更清洁的解决方案，谢谢分享！我把它添加到我的答案中，如果你同意的话。这就是为什么我喜欢堆栈溢出，这是向他人学习的好地方。

【解决方案2】：

这是另一个无需离开管道的dplyr 解决方案：

ID <- c('A','A','A','A','A','B','B','B','B','C','C')
Hour <- c('0','2','5','6','9','0','2','5','6','0','2')

x <- data.frame(ID, Hour)

testVector <- c('0','2','5')

x %>%
  group_by(ID) %>%
  mutate(contains = Hour %in% testVector) %>%
  summarise(all = sum(contains)) %>%
  filter(all > 2) %>%
  select(-all) %>%
  inner_join(x)

##       ID   Hour
##   <fctr> <fctr>
## 1      A      0
## 2      A      2
## 3      A      5
## 4      A      6
## 5      A      9
## 6      B      0
## 7      B      2
## 8      B      5
## 9      B      6

【讨论】：

我很困惑。为什么不x %>% group_by(ID) %>% filter(all(testVector %in% Hour))？
@Frank 是的，简单多了！

【解决方案3】：

这是一个使用来自base R 的table 的选项

i1 <- !rowSums(table(x)[, testVector]==0)
subset(x, ID %in% names(i1)[i1])
#   ID Hour
#1  A    0
#2  A    2
#3  A    5
#4  A    6
#5  A    9
#6  B    0
#7  B    2
#8  B    5
#9  B    6

或者这可以通过data.table来完成

library(data.table)
setDT(x)[, .SD[all(testVector %in% Hour)], ID]
#    ID Hour
#1:  A    0
#2:  A    2
#3:  A    5
#4:  A    6
#5:  A    9
#6:  B    0
#7:  B    2
#8:  B    5
#9:  B    6

【讨论】：