按条件筛选分组因子 - dplyr

Question

假设我有以下这样一个数据框：

   day value group type id
1    1   0.1     A    X  1
2    1   0.4     A    Y  1
3    2   0.2     A    X  3
4    2   0.5     A    Y  3
5    3   0.3     A    X  5
6    3   0.2     A    Y  6
7    1   0.1     B    X  3
8    1   0.3     B    Y  3
9    2   0.1     B    X 11
10   2   0.4     B    Y 10
11   3   0.2     B    X 12
12   3   0.3     B    Y 12
13   1   0.1     C    X 12
14   1   0.3     C    Y 12
15   2   0.3     C    X  5
16   2   0.2     C    Y  5
17   3   0.2     C    X  3
18   3   0.2     C    Y  2

数据：

library(dplyr)
df1 <- data.frame(
day = rep(1:3,6),
value = c(0.1,0.2,0.3,0.4,0.5,0.2,0.1,0.1,0.2,0.3,0.4,0.3, 0.1,0.3,0.2,0.3,0.2,0.2),
group = rep(LETTERS[1:3], each=6)
) %>% 
  arrange(group,day) %>% 
  mutate(type=rep(LETTERS[24:25],9),
         id = c(1,1,3,3,5,6,3,3,11,10,12,12,12,12,5,5,3,2))  

df1

我希望能够基于条件过滤对该数据框进行筛选。我想要按照(day, group)分组，如果每个分组中的所有id都相等，则 过滤掉所有类型为Y的行，但保留类型为X的行。

我可以通过运行循环或通过数据框子集的几个步骤来完成此操作，但我想知道是否有一个一/两行代码的或方法？

这将是期望的输出：

   day value group type id
1    1   0.1     A    X  1
3    2   0.2     A    X  3
5    3   0.3     A    X  5
6    3   0.2     A    Y  6
7    1   0.1     B    X  3
9    2   0.1     B    X 11
10   2   0.4     B    Y 10
11   3   0.2     B    X 12
13   1   0.1     C    X 12
15   2   0.3     C    X  5
17   3   0.2     C    X  3
18   3   0.2     C    Y  2

- jalapic

Answer 1

和 P Lapointe 类似，我也遇到了以下问题。一开始我想使用 all() 来检查所有 id 值是否相同，但尝试失败了。因此，我选择使用 diff()。使用 mutate() 函数，我检查了每个组的所有 id 值是否相同。然后，我选择了没有 check == TRUE and type == "Y" 组合的行。最后，我删除了 check 列。

group_by(df1, day, group) %>%
mutate(check = any(diff(id) == 0)) %>%
filter(!(check == TRUE & type == "Y")) %>%
select(-check)

#     day value  group  type    id
#   (int) (dbl) (fctr) (chr) (dbl)
#1      1   0.1      A     X     1
#2      2   0.2      A     X     3
#3      3   0.3      A     X     5
#4      3   0.2      A     Y     6
#5      1   0.1      B     X     3
#6      2   0.1      B     X    11
#7      2   0.4      B     Y    10
#8      3   0.2      B     X    12
#9      1   0.1      C     X    12
#10     2   0.3      C     X     5
#11     3   0.2      C     X     3
#12     3   0.2      C     Y     2

编辑

在与akrun进行沟通后，我对上述代码进行了修改。以下是新的代码。

group_by(df1, day, group) %>%
mutate(check = n_distinct(id) == 1) %>%
filter(!(check == TRUE & type == "Y")) %>%
select(-check)

- jazzurro

Answer 2

以下是使用 data.table 的一行代码。

我们将 'data.frame' 转换为 'data.table' (setDT(df1))，按照 'day', 'group' 分组，if 'id' 的唯一元素的长度为 1，则获取 Data.table 的子集 (.SD) 行，其中 'type' 为 'X'，否则获取 .SD。

library(data.table)#v1.9.6+
setDT(df1)[, if(uniqueN(id)==1) .SD[type=='X'] else .SD, .(day, group)]
#    day group value type id
# 1:   1     A   0.1    X  1
# 2:   2     A   0.2    X  3
# 3:   3     A   0.3    X  5
# 4:   3     A   0.2    Y  6
# 5:   1     B   0.1    X  3
# 6:   2     B   0.1    X 11
# 7:   2     B   0.4    Y 10
# 8:   3     B   0.2    X 12
# 9:   1     C   0.1    X 12
#10:   2     C   0.3    X  5
#11:   3     C   0.2    X  3
#12:   3     C   0.2    Y  2

如果“类型”已按示例数据排序

unique(setDT(df1), by = c('day', 'group', 'id'))

如果没有订购，

unique(setDT(df1)[order(group,day, id, type)],by = c('day', 'group' , 'id'))

数据

df1 <- structure(list(day = c(1L, 1L, 2L, 2L, 3L, 3L, 1L, 1L, 
2L, 2L, 
3L, 3L, 1L, 1L, 2L, 2L, 3L, 3L), value = c(0.1, 0.4, 0.2, 0.5, 
0.3, 0.2, 0.1, 0.3, 0.1, 0.4, 0.2, 0.3, 0.1, 0.3, 0.3, 0.2, 0.2, 
0.2), group = c("A", "A", "A", "A", "A", "A", "B", "B", "B", 
"B", "B", "B", "C", "C", "C", "C", "C", "C"), type = c("X", "Y", 
"X", "Y", "X", "Y", "X", "Y", "X", "Y", "X", "Y", "X", "Y", "X", 
"Y", "X", "Y"), id = c(1L, 1L, 3L, 3L, 5L, 6L, 3L, 3L, 11L, 10L, 
12L, 12L, 12L, 12L, 5L, 5L, 3L, 2L)), .Names = c("day", "value", 
"group", "type", "id"), class = "data.frame", 
row.names = c(NA, -18L))

- akrun

---

@jazzurro 谢谢，这个功能已经在一段时间前引入了。 - akrun

我觉得直到现在我才意识到自己有些落后于学习新功能。今天我会查看DT起重机手册。 - jazzurro

@jazzurro 在 dplyr 中的等效函数是 n_distinct。 - akrun

啊，我明白了。知道了。谢谢！ - jazzurro

Answer 3

试试这个：

 df1 %>% group_by(day,group) %>% distinct(id)

您的原始数据已经有序，因此没有问题，否则请尝试。

df1 %>% group_by(day, group) %>%
    arrange(group, day, type) %>% distinct(id) %>%
    ungroup %>%‌ ​arrange(group, day, type, id)

- Shenglin Chen

---

这是否依赖于“type”变量按X-Y顺序排列？还是基于因子水平进行操作？ - jalapic

是的，它确实需要。因此首先要调用arrange(day, group, type)函数。 - bramtayl

你的原始数据已经有序，所以没问题，否则请尝试：df1％＞％group_by（day，group）％＞％arrange（group，day，type）％＞％distinct（id）％＞％ungroup％＞％arrange（group，day，type，id） - Shenglin Chen

Answer 4

这是我的解决方案，使用了 dplyr。

df1%>%
group_by(day,group)%>%
mutate(len=length(unique(id))==1)%>%
filter(ifelse(len==TRUE,type=="X",type %in% c("X","Y")))

Source: local data frame [12 x 6]
Groups: day, group

   day value group type id   len
1    1   0.1     A    X  1  TRUE
2    2   0.2     A    X  3  TRUE
3    3   0.3     A    X  5 FALSE
4    3   0.2     A    Y  6 FALSE
5    1   0.1     B    X  3  TRUE
6    2   0.1     B    X 11 FALSE
7    2   0.4     B    Y 10 FALSE
8    3   0.2     B    X 12  TRUE
9    1   0.1     C    X 12  TRUE
10   2   0.3     C    X  5  TRUE
11   3   0.2     C    X  3 FALSE
12   3   0.2     C    Y  2 FALSE

- Pierre Lapointe