Question

我想对数据行进行子集

library(data.table); set.seed(333); n <- 100 
dat <- data.table(id=1:n, group=rep(1:2,each=n/2), x=runif(n,100,120), y=runif(n,200,220), z=runif(n,300,320))

> head(dat)
   id group        x        y        z
1:  1     1 109.3400 208.6732 308.7595
2:  2     1 101.6920 201.0989 310.1080
3:  3     1 119.4697 217.8550 313.9384
4:  4     1 111.4261 205.2945 317.3651
5:  5     1 100.4024 212.2826 305.1375
6:  6     1 114.4711 203.6988 319.4913

每个小组中的几个阶段。我需要使它自动化，并且可能会发生子集为空的情况。例如，仅关注第1组，

dat1 <- dat[1:50]
> s <-subset(dat1,x>119)
> s
   id group        x        y        z
1:  3     1 119.4697 217.8550 313.9384
2: 50     1 119.2519 214.2517 318.8567

第二步subset(s, y>219)将变成空白，但我仍然想应用第三步subset(s,z>315)。如果要手动设置阈值，那么Frank提供了一个出色的解决方案here，可以输出

> f(dat1, x>119, y>219, z>315)
      cond  skip
1: x > 119 FALSE
2: y > 219  TRUE
3: z > 315 FALSE
   id group        x        y        z
1: 50     1 119.2519 214.2517 318.8567

并报告跳过了哪些部分。

我的问题是我需要同时将其应用于不同的组，每个组的阈值在单独的data.table中给出。目标是每组至少有一个id。例如，如果我的阈值为

c <- data.table(group=1:2, x=c(119,119), y=c(219,219), z=c(315,319))
> c
   group   x   y   z
1:     1 119 219 315
2:     2 119 219 319

我想结束

> res
   id group        x        y        z
1: 50     1 119.2519 214.2517 318.8567
2: 55     2 119.2634 219.0044 315.6556

我可以在for循环中重复应用Frank函数，但是我确信有更聪明的方法可以节省时间。我想知道，例如，该功能是否可以应用于data.table中的每个组。也许在tidyverse中有一种方法，我还不太熟悉。

Answer 1

使用标准评估的另一种可能方法：

#convert conditions into long format, storing operator in data.table as well
cond <- data.table(group=1:2, bop=c(`>`, `>`), x=c(119,119), y=c(219,219), z=c(315,319))
thres <- melt(cond, id.vars=c("group","bop"))

#convert data into long format and lookup filter and thresholds
mdat <- melt(dat, id.vars=c("id", "group"))[
    thres, on=.(group, variable), c("bop","thres") := mget(c("bop","i.value"))]

#apply filtering
ss <- mdat[mapply(function(f, x, y) f(x, y), bop, value, thres)]

#apply sequential subsetting
dat[id %in% ss[, {
        idx <- id
        ans <- .SD[, {
                x <- intersect(idx, id)
                if(length(x) > 0) {
                    idx <- x
                }
                idx
            }, .(variable)]

        ans[variable==last(variable), V1]
    }, .(group)]$V1
]

输出：

   id group        x        y        z
1: 50     1 119.2519 214.2517 318.8567
2: 55     2 119.2634 219.0044 315.6556
3: 58     2 119.2211 214.0305 319.3097
4: 72     2 114.0802 217.7402 313.3655
5: 90     2 116.8115 215.1576 317.0261
6: 99     2 119.2964 212.9973 308.9360

数据：

library(data.table)
set.seed(333)
n <- 100
dat <- data.table(id=1:n, group=rep(1:2,each=n/2),
    x=runif(n,100,120), y=runif(n,200,220), z=runif(n,300,320))

可行的分组子集

1 个答案: