R - 使用dplyr根据多个条件筛选前n行数据

Question

你好，这是我的第一篇文章

我希望能够正确并且可以被复制。

我在想，是否有比我下面的方法更优雅的解决方案

我有一个数据框架，并想使用条件过滤器提取符合这些条件的行。

输出时，我希望得到满足不同列的条件的前top_n行，同时保留所有其他列。

数据框架示例：

 set.seed(123)
  df1 <- data.frame(
  A = as.numeric(1:10),
  B = sample(seq(as.Date('2000/01/01'), as.Date('2018/01/01'), by="day"), size=10),
  C = as.numeric(sample(20:90, size = 10)),
  D = sample(c("yes", "no"), size=10, replace = TRUE),
  E = as.numeric(sample(1000:2000, size = 10))
)


df1 #check output

> df1 #check output
    A          B  C   D    E
1   1 2005-03-06 87  no 1963
2   2 2014-03-11 51  no 1902
3   3 2007-05-12 66  no 1690
4   4 2015-11-22 58  no 1793
5   5 2016-12-02 26  no 1024
6   6 2000-10-26 79  no 1475
7   7 2009-07-01 35  no 1754
8   8 2016-01-19 22  no 1215
9   9 2009-11-30 40 yes 1315
10 10 2008-03-17 85 yes 1229

需要过滤的条件：

A）如果E列的值在1000至1500之间，则返回前2行，以A列为权重

B）如果E列的值在1000至2000之间，则返回前2行，以B列为权重

C）如果E列的值在1000至1400之间，则返回前2行，以C列为权重

我已经想出了以下解决方案，但它很繁琐，不知道是否有更好的方法。

library("dplyr")
library("tidyr")
A<- df1 %>% dplyr::filter(E >= 1000 & E <= 1500) %>% top_n( n = 2, wt = A)  %>% arrange(-A) %>% mutate(condition = "-cond_A")
B<- df1 %>% dplyr::filter(E >= 1000 & E <= 2000) %>% top_n( n = 2, wt = B) %>% arrange(B) %>% mutate(condition = "cond_B")
C<- df1 %>% dplyr::filter(E >= 1000 & E <= 1400) %>% top_n( n = 2, wt = C) %>% arrange(-C) %>% mutate(condition = "-cond_C")

我期望的输出是以下内容：

spread(as.data.frame(distinct(bind_rows(A,B,C))),condition, condition)

   A          B  C   D    E -cond_A -cond_C cond_B
1  5 2016-12-02 26  no 1024    <NA>    <NA> cond_B
2  8 2016-01-19 22  no 1215    <NA>    <NA> cond_B
3  9 2009-11-30 40 yes 1315 -cond_A -cond_C   <NA>
4 10 2008-03-17 85 yes 1229 -cond_A -cond_C   <NA>

如果你能告诉我更好的方法就太好了！

- Moe

Answer 1

太好了，非常感谢！

在我的评论中，我问你是否可以有更多的参数来映射map2，然后我意识到pmap可以做到这一点。

pmap(list(c(1500, 2000, 1400), c(1000, 1700, 1300), names(df1)[1:3]),
     ~ df1 %>%
       filter(E >= ..2 & E <= ..1) %>%
       top_n(n=2, wt = !! rlang::sym(..3)) %>% 
       arrange_at(..3, funs(desc(.))) %>%
       mutate(condition = paste0("-cond", ..3)))  %>%
  bind_rows %>% 
  distinct %>% 
  spread(condition, condition) 

- Moe

Answer 2

我们可以使用purrr中的map2来循环遍历<=条件和wt参数，后者基于OP的代码取列名。请保留HTML标签。

library(purrr)
library(dplyr)
library(tidyr)
map2(c(1500, 2000, 1400), names(df1)[1:3],
          ~ df1 %>%
                 filter(E >= 1000 & E <= .x) %>%
                 top_n(n=2, wt = !! rlang::sym(.y)) %>% 
                 arrange_at(.y, funs(desc(.))) %>%
                 mutate(condition = paste0("-cond", .y)))  %>%
                 bind_rows %>% 
                 distinct %>% 
                 spread(condition, condition) 
#   A          B  C   D    E -condA -condB -condC
#1  5 2016-12-02 26  no 1024   <NA> -condB   <NA>
#2  8 2016-01-19 22  no 1215   <NA> -condB   <NA>
#3  9 2009-11-30 40 yes 1315 -condA   <NA> -condC
#4 10 2008-03-17 85 yes 1229 -condA   <NA> -condC

- akrun

---

谢谢，akrun！这看起来非常整洁，我需要学习更多关于map2的知识。另外，你能解释一下top_n(n=2, wt = !!rlang::sym(.y))这一行是什么意思吗？ - Moe

另外，如果下限（1000）不总是相同的，是否可以进行修改？例如，如果我想要1000-1500、1200-2000和1300-1400呢？ - Moe

@Moe 看起来你已经搞定了。 - akrun