用于对另一个数据帧的数据帧进行子集化的循环？

Question

我搜索了很多类似Subsetting a dataframe in R by multiple conditions这样的帖子，关于选择“哪个”功能来选择值数据框数据框，但找不到其他解决方案。问题如下：

我有以下包含数千个案例的数据集：

> head(Datos)
   tipo         estacion     hora  usos
 1 hábil         A.SANIN      X4    11
 2 hábil        ALAMOS        X4     4
 3 hábil        AMANECER      X4    45
 4 hábil       AMERICAS       X4     2
 5 hábil       ATANASIO       X4    10
 6 hábil       BELALCAZAR     X4     5
 .    .                       .     .
 .    .                       .     .
 .    .                       .     .

上面数据帧子集的变量是“usos”变量“tipo”取值：“hábil”、“Sábado”和“Festivo”。变量“estacion”有 60 个级别，变量“hora”有 22 个值：x4, x5, x6, ... x23。由于我需要根据 "tipo" 、 "estacion" 和 "hora" 的所有组合计算四分位数，我使用 "aggregate" 函数并计算临界值，所以我得到了这个：

  > head(todo)
    Group.1  Group.2      Group.3      y1    y2
 1   hábil      X4         A.SANIN      1.5   21.5
 2   Sábado     X4         A.SANIN      4.0   12.0
 3   Festivo    X4         A.SANIN      0.0   0.0
 4   hábil      X5         A.SANIN      66.0  130.0
 5   Sábado     X5         A.SANIN      40.0  96.0
 6   Festivo    X5         A.SANIN      7.5   43.5
 .                      .
 .                      .
 .                      .

每一行都是不同的情况，值y1和y2是我的临界值​​。需要，根据我选择的dataframe“todo”的值y1和y2取值小于y1或者大于dataframe“Datos”的变量“usos”的y2。但在一个循环中，数据框“todo”上有 3480 个组合，即 3480 行。并将其存储在另一个矩阵中。

例如，对于第一种情况如下：

print(which(subset(Datos$usos,Datos$tipo=="hábil"&Datos$hora=="X4"&Datos$estacion=="A.SANIN")<todo$y1[1] | subset(Datos$usos,Datos$tipo=="hábil"&Datos$hora=="X4"&Datos$estacion=="A.SANIN")>todo$y2[1]))

我需要对数据框“全部”的所有行执行此操作，并将其应用于“使用”数据框“数据”。

谢谢！

Answer 1

我有点难以理解你在说什么，但我认为这就是你想要的。首先，将todo 与Datos 合并：

# Rename the columns of todo to match Datos
names(todo)<-c('tipo','hora','estacion','y1','y2')
# Merge the two.
Datos.y.todo<-merge(Datos,todo)

现在，您可以轻松地根据您的条件进行子集化：

with(Datos.y.todo, Datos.y.todo[usos<y1 | usos>y2, ])

---

我相信以上回答了您的问题。让我用你的数据来说明。

# Load in your data.
Datos<-read.table(textConnection('tipo         estacion     hora  usos
1 hábil         A.SANIN      X4    11
2 hábil        ALAMOS        X4     4
3 hábil        AMANECER      X4    45
4 hábil       AMERICAS       X4     2
5 hábil       ATANASIO       X4    10
6 hábil       BELALCAZAR     X4     5'),header=TRUE)

todo<-read.table(textConnection('Group.1  Group.2      Group.3      y1    y2
1   hábil      X4         A.SANIN      1.5   21.5
2   Sábado     X4         A.SANIN      4.0   12.0
3   Festivo    X4         A.SANIN      0.0   0.0
4   hábil      X5         A.SANIN      66.0  130.0
5   Sábado     X5         A.SANIN      40.0  96.0
6   Festivo    X5         A.SANIN      7.5   43.5'),header=TRUE)

正如您所提到的，Datos 重复包含许多相同的“案例”，所以让我们在 Datos 中添加两行以使示例更清晰：

Datos<-rbind(Datos,data.frame(tipo=c('hábil','Sábado'),estacion='A.SANIN',hora='X4',usos=c('23','3')))
#     tipo   estacion hora usos
# 1  hábil    A.SANIN   X4   11 # This one neither below y1 or above y2
# 2  hábil     ALAMOS   X4    4
# 3  hábil   AMANECER   X4   45
# 4  hábil   AMERICAS   X4    2
# 5  hábil   ATANASIO   X4   10
# 6  hábil BELALCAZAR   X4    5
# 7  hábil    A.SANIN   X4   23 # This one is above y2 (21.5), so we want to find it.
# 8 Sábado    A.SANIN   X4    3 # This one is below y1 (4.0), so we want to find it. 

现在运行我之前给你的代码：

# Rename the columns of todo to match Datos
names(todo)<-c('tipo','hora','estacion','y1','y2')
# Merge the two.
Datos.y.todo<-merge(Datos,todo)
# Notice how the y1 and y2 values are now repeated for easy comparison.
#     tipo estacion hora usos  y1   y2
# 1  hábil  A.SANIN   X4   11 1.5 21.5 # We don't want this row.
# 2  hábil  A.SANIN   X4   23 1.5 21.5 # We want this row.
# 3 Sábado  A.SANIN   X4    3 4.0 12.0 # We want this row.

最后，你过滤你想要的行：

with(Datos.y.todo, Datos.y.todo[usos<y1 | usos>y2, ])

#     tipo estacion hora usos  y1   y2
# 2  hábil  A.SANIN   X4   23 1.5 21.5
# 3 Sábado  A.SANIN   X4    3 4.0 12.0