如何使用多个条件筛选数据框？

Question

我有一个数据框，我想要用dplyr或base R函数来进行子集筛选：

df <- data.frame(x = c(1,1,1,2,2,2), y = c(30,10,8,10,18,5))

x  y
1 30
1 10
1  8
2 10
2 18
2  5

假设x是因子（即有2个条件/水平），我该如何对数据框进行子集/筛选，以便仅获取df$x == 1时大于15的df$y值，以及df$x == 2时大于5的df$y值？

这是我想要得到的结果：

df2 <- data.frame(x = c(1,2,2), y = c(30,10,18))

x y
1 30
2 10
2 18

感谢您的帮助！谢谢！

- hsl

Answer 1

如果您有多个'x'组，一种选择是使用mapply。我们使用'x'作为分组变量来split'y'，创建要与之比较的值向量(c(15,5))，并使用mapply获取用于对'subsetting the df'进行逻辑索引。

df[unlist(mapply('>', split(df$y, df$x), c(15,5))),]
#  x  y
#1 1 30
#4 2 10
#5 2 18

- akrun

---

谢谢 @akrun！虽然我更喜欢上面的 dplyr 解决方案，因为它更容易理解，但是您的 mapply 解决方案也相当不错，但我不完全明白 mapply 在这里的作用。 您能解释一下 mapply('>', split(df$y, df$x), c(15,5)) 的含义吗？非常感谢！ - hsl

@hsl 是的，dplyr 和其他解决方案在这里都很好。但是，我要处理大量的组，比如说你有100个唯一值，并且有100个值要与每个“x”的y元素进行比较，那么mapply将使用>将相应的列表元素（split的输出）与相应的向量元素（c(15,5)）进行比较。 - akrun

谢谢您的解释。我正在尝试编写代码，并意识到如果每个“x”值的数量不同，比如data.frame(x = c(1,1,1,2,2,2,2), y = c(30,10,8,10,18,5,9))（三个1和四个2），这种方法似乎无法工作。这是因为为了使其正常工作，mapply必须返回一个数据框，而不是列表吗？@akrun - hsl

@hsl 你必须使用unlist。我认为它适用于大多数情况。 df [unlist（mapply（'>'，split（df $ y，df $ x），c（15,5））），]在提供的示例中，长度相等，因此mapply将结果强制转换为matrix，而在此处，则保留为list。因此，最好使用unlist。 - akrun

太好了，现在明白了。非常感谢！@akrun - hsl

@hsl 没问题。很高兴能帮助你。 - akrun

Answer 2

你可以尝试这个

with(df, df[ (x==1 & y>15) | (x==2 & y>5), ])
  x  y
1 1 30
4 2 10
5 2 18

或者使用 dplyr。

library(dplyr)
filter(df, (x==1 & y>15) | (x==2 & y>5))

- Mamoun Benghezal

---

谢谢！dplyr的解决方案非常好。但我不太理解with()的解决方案。with()函数是做什么用的？ - hsl

with 允许你直接使用变量的名称，而不用写 df$x。 你也可以通过 attach 来实现类似的功能。 - Mamoun Benghezal

啊，谢谢！现在我记起来我以前用过 with，但是完全忘记了，因为我很少使用它。再次感谢！ - hsl