如果存在子行，则过滤掉父行答案

【问题标题】：Filter out parent row if child row present如果存在子行，则过滤掉父行
【发布时间】：2017-04-05 04:02:07
【问题描述】：

我遇到了一个有趣的过滤器问题。对于每个 TEI，我需要检查它是否存在于任何 CHILDREN_LIST 中，以及它是否删除了它存在的父行。

例如：TEI 611100 存在于 TEI 611000 的 CHILDREN_LIST 中，因此我需要删除 611000 行。

这是表格的 dput()。谢谢！

structure(list(TEI = c(611000L, 611100L, 238000L, 452000L, 561000L, 
    621000L, 622000L, 622100L, 623000L, 722000L, 722500L, 722510L
    ), OWNERSHIP = c(30L, 30L, 50L, 50L, 50L, 50L, 50L, 50L, 50L, 
    50L, 50L, 50L), RESULT = c(266.9, 259.5, 138, 103.3, 105.8, 130, 
    230, 214.1, 171.9, 204, 185.2, 185.2), CODE = c(3L, 4L, 3L, 3L, 
    3L, 3L, 3L, 4L, 3L, 3L, 4L, 5L), CHILDREN_LIST = structure(c(4L, 
    NA, 1L, 2L, 3L, 5L, 6L, NA, 7L, 8L, 9L, 10L), .Label = c("238100 238200 238300 238900", 
    "452100 452900", "561100 561200 561300 561400 561500 561600 561700 561900", 
    "611100 611200", "621100 621200 621300 621400 621500 621600 621900", 
    "622100 622200 622300", "623100 623200 623300 623900", "722300 722400 722500", 
    "722510", "722511 722513 722514 722515"), class = "factor"), 
        ESTIMATE_TYPE = c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, 
        TRUE, TRUE, TRUE, TRUE, TRUE), NAICS_LABEL = c(611, 6111, 
        238, 452, 561, 621, 622, 6221, 623, 722, 7225, 72251), NAICS_TITLE = structure(c(3L, 
        4L, 11L, 7L, 1L, 2L, 8L, 6L, 9L, 5L, 10L, 10L), .Label = c("Administrative and support services", 
        "Ambulatory health care services", "Educational services", 
        "Elementary and secondary schools", "Food services and drinking places", 
        "General medical and surgical hospitals", "General merchandise stores", 
        "Hospitals", "Nursing and residential care facilities", "Restaurants", 
        "Specialty trade contractors"), class = "factor")), .Names = c("TEI", 
    "OWNERSHIP", "RESULT", "CODE", "CHILDREN_LIST", "ESTIMATE_TYPE", 
    "NAICS_LABEL", "NAICS_TITLE"), row.names = c(NA, 12L), class = "data.frame")

【问题讨论】：

标签： r dplyr filtering

【解决方案1】：

library(dplyr)

#Construct a numeric list of children nodes for each row
child_list <- df$CHILDREN_LIST %>% as.character %>% strsplit("\\W+") %>% sapply(as.numeric)

#Test whether a TEI has a child
has_child <- sapply(child_list, function(ch) {
    any(ch %in% df$TEI)
})

subset(df, !has_child)

【讨论】：

很棒的反应！谢谢。

【解决方案2】：

假设任何 CHILDREN_LIST，您的意思是该特定行列表中的任何元素。这就是我所做的。我知道在 R 中使用 for 循环并不流行，但在这里它使代码对我来说更清晰。

which_rows_to_delete<-vector()

for ( i in 1:length(a)){
  #first create a vector of all the TEI in the children list 
  children<-unlist(strsplit(as.character(factor(a$CHILDREN_LIST[i])), split=" "))
  #check if the TEI of the row matches any element of the vector
  check<-any(a$TEI[i]==children)&!is.na(a$CHILDREN_LIST[i])
  #store that information in another vector
  which_rows_to_delete[i]<-check
}
a<-a[!check,]

假设任何 CHILDREN_LIST，您的意思是该特定行列表中的任何元素。如果没有，您需要查看它是否完全匹配 CHILDREN_LIST 列中任何条目中的任何元素，而不是上面代码中的 children，使用：

children_all<-unlist(strsplit(levels(a$CHILDREN_LIST), split=" "))

您提供的 dput 没有任何此类重叠，因此此数据帧的输出是相同的。但是这段代码应该可以正常工作。 :)

【讨论】：