筛选数据框，匹配向量中的所有值。

Question

我希望通过包含ID的行来筛选数据框x，这些行的Hour匹配testVector的所有值。

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')

解决方案应该生成以下数据框：

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

由于缺失了“小时”5的ID C的所有值都被删除。请注意，我希望保留与testVector匹配的ID的所有“小时”值。

最好使用dplyr来解决问题，但任何一种解决方案都欢迎。

根据其他相关问题在SO上的描述，我猜测我需要一些%in%和all的组合，但我无法完全理解它。

- holastello

Answer 1

你结合使用的%in%和all听起来很有前途，在基础R中，你可以按照以下方式利用它们:

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],]

或者同样的方式，但跳过不必要的lapply，并根据评论中的d.b.更有效率：

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

输出：

  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

希望这能帮到你！

- Florian

---

另外，temp = sapply(split(x, x$ID), function(a) all(testVector %in% a$Hour)); x[temp[match(x$ID, names(temp))],]。 - d.b

谢谢！你能否解释一下你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

@holastello，我来解释一下d.b.的版本：首先，我们根据x$ID列将数据框分成组。然后，我们使用sapply循环遍历该列表，并在function(a)之后使用函数来测试testVector中的所有元素是否也在a$Hour中。我希望这样解释可以让你明白，如果还有不懂的地方，请告诉我！在我的解决方案中，我使用了另一个lapply来先获取唯一值，但这是不必要的。 - Florian

@d.b. 这是一个更简洁的解决方案，感谢分享！如果您同意的话，我将其添加到我的答案中。这就是为什么我喜欢使用Stack Overflow，它是一个从他人学习的好地方。 - Florian

Answer 2

这是另一种使用dplyr的解决方案，而无需离开管道：

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

- Oriol Mirosa

---

我有点困惑。为什么不用 x %>% group_by(ID) %>% filter(all(testVector %in% Hour))？ - Frank

@Frank 是的，简单多了！ - cryo111

Answer 3

这里有一种使用base R中的table选项的方法。

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

---

或者可以使用 data.table 实现。

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

- akrun