在 dplyr 中复制 Base R 操作答案

【问题标题】：Replicate Base R Operation in dplyr在 dplyr 中复制 Base R 操作
【发布时间】：2019-04-29 08:38:35
【问题描述】：

我正在尝试使用 dplyr 复制一组操作，但由于某种原因，我的尝试没有达到相同的结果。我的问题是两件事：1.为什么我编写的 dplyr 版本不会产生与基本操作相同的结果，以及 2.什么是最清晰的 dplyr（管道）实现。首先这里是一些我自己的问题规模较小的示例数据：

abc <- data.frame(a = rnorm(100, 5, 6), b = rnorm(100, 2, 3), c = rnorm(100, 0, 5), d = rnorm(100, 50, 3))
rand <- sample(c(1:100), 100, replace = F)
e <- 5
f <- 50

以下是base R中的情况。

# Case 1 
abc.2 <- abc[rand,][(rand <= f) | (abc[rand, "a"] < e),]

这是我使用dplyr的尝试，但是abc.3的结果和abc.2不同

# Case 2

abc.3 <- abc[rand,]
abc.3 <- abc.3 %>% filter(d >= f | d < e)

这是怎么回事？！？

【问题讨论】：

不幸的是，您的基本示例也不起作用。
确实如此，我只是运行它并正确地对数据进行子集化。
怎么样？ abc[d, "a"] 除了abc$d 之外，没有d 对象。
我编辑了它。它应该是 abc[rand, "a"]。是错别字
当 abc 使用 rand 排序时，保留小于 e 的行。

标签： r dplyr

【解决方案1】：

您似乎在dplyr 解决方案中使用d，但在base 中没有使用并且您对(abc[rand, "a"] < e) 的使用是与dplyr 解决方案中的主要区别，您可以只使用a < e。下面我刚刚尝试在dplyr 中重新创建您的base r 解决方案。它似乎有效

由于 dplyr 处理数据帧，行 id 有所不同

abc <- data.frame(a = rnorm(100, 5, 6), b = rnorm(100, 2, 3), c = rnorm(100, 0, 5), d = rnorm(100, 50, 3))
rand <- sample(c(1:100), 100, replace = F)
e <- 5
f <- 50

abc.2 <- abc[rand,][(rand <= f) | (abc[rand, "a"] < e),]

abc.3 <- abc[rand,]
abc.3 <- abc.3 %>% filter(rand <= f | a < e)


> all.equal(abc.2$a, abc.3$a)
[1] TRUE
> all.equal(abc.2$b, abc.3$b)
[1] TRUE
> all.equal(abc.2$c, abc.3$c)
[1] TRUE
> all.equal(abc.2$d, abc.3$d)
[1] TRUE
> all.equal(abc.2, abc.3)
[1] "Attributes: < Component “row.names”: Mean relative difference: 0.7186996 >"

【讨论】：

【解决方案2】：

我认为dplyr 版本将使用slice

library(dplyr)
abc. 3 <- abc %>% slice(rand[(rand <= f) | (a[rand] < e)])

我们可以比较输出

head(abc.2)
#            a          b           c        d
#5   4.1933216 1.89493799   0.1185014 50.17590
#59 -0.8447520 0.02859712  -8.5168739 49.04809
#32 12.9969641 5.17795376  -6.0270349 50.63730
#52 -0.5149191 4.01784805   0.8158744 50.88895
#28  7.4209741 2.71737567  -0.7756451 48.84768
#37 11.9426428 3.67445186 -10.7043711 49.88126

head(abc.3)
#           a          b           c        d
#1  4.1933216 1.89493799   0.1185014 50.17590
#2 -0.8447520 0.02859712  -8.5168739 49.04809
#3 12.9969641 5.17795376  -6.0270349 50.63730
#4 -0.5149191 4.01784805   0.8158744 50.88895
#5  7.4209741 2.71737567  -0.7756451 48.84768
#6 11.9426428 3.67445186 -10.7043711 49.88126

tail(abc.2)
#            a           b          c        d
#43  1.2259801 -0.09873229  3.4330413 54.19566
#10 12.5498938  3.03150006  7.2630499 50.08077
#49 -2.5949440 -1.65535917  7.6826515 46.42876
#80 -0.1063651 -0.81405361 -0.5607432 51.30927
#18  0.8502235  3.22688781 -3.4557019 53.39594
#22  1.8523659  7.89332620 -3.3389127 47.00231

tail(abc.3)
#            a           b          c        d
#73  1.2259801 -0.09873229  3.4330413 54.19566
#74 12.5498938  3.03150006  7.2630499 50.08077
#75 -2.5949440 -1.65535917  7.6826515 46.42876
#76 -0.1063651 -0.81405361 -0.5607432 51.30927
#77  0.8502235  3.22688781 -3.4557019 53.39594
#78  1.8523659  7.89332620 -3.3389127 47.00231

【讨论】：