Question

假设我有两个数据表

df1
       x   y    f(x,y)
1      a   A    3
2      b   E    4
3      a   E    5
4      b   A    2

和

df2
       x   y    f(x,y)
1      a   A    4
2      b   E    4
3      a   E    4
4      b   A    2

如果我们将x和y列解释为对某些结果的影响，则可以说在第二个示例（df2）中，对于x = a，结果与y列无关。我想要生成报告的方式是删除所有不影响结果的列，因此我想创建df2_out而不是df2（以避免出现一些大表））

df2_out
       x   y    f(x,y)
1      a   -    4
2      b   E    4
3      b   A    2

df1应该保持不变，因为x，y对结果有影响：

df1_out
       x   y    f(x,y)
1      a   A    3
2      b   E    4
3      a   E    5
4      b   A    2

我如何在R中实现这一目标？有没有更好的方法来打印数据表？

Answer 1

您的预期输出表明您仅对调整f()的结果独立于y的情况感兴趣。您可以使用dplyr方法来做到这一点：

library(dplyr)

find_independent <- function(data) {
  data %>%
    inner_join(data %>% 
                 group_by(x, f) %>% 
                 count(), 
               by=c("x", "f")) %>% 
    mutate(y = if_else(n == 2, "_", y)) %>%
    distinct()
}

find_independent(df1)
  x y f
1 a A 3
2 b E 4
3 a E 5
4 b A 2

find_independent(df2)
  x y f
1 a _ 4
2 b E 4
3 b A 2

说明（以df2为例）：

首先，group_by x和f并计算出现的次数。

df2 %>% group_by(x, f) %>% count()
# A tibble: 3 x 3
# Groups:   x, f [3]
  x         f     n
  <chr> <int> <int>
1 a         4     2
2 b         2     1
3 b         4     1

将此计数合并回原始数据帧，对于n == 2所在的行，将y的值更改为_。
使用y删除重复的行（将是f对distinct()无影响的行）。

数据：

df1 <- structure(list(x = c("a", "b", "a", "b"), y = c("A", "E", "E", 
"A"), f = c(3L, 4L, 5L, 2L)), class = "data.frame", row.names = c(NA, 
-4L))
df2 <- structure(list(x = c("a", "b", "a", "b"), y = c("A", "E", "E", 
"A"), f = c(4L, 4L, 4L, 2L)), class = "data.frame", row.names = c(NA, 
-4L))

减少数据而不会丢失信息

1 个答案: