Question

就像我在标题中所说，我的目的是使用另一个数据帧的信息提取我的数据帧子集的间隔。

我的意见：

DF1：

  subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0024-10   197,34  21
7G001-0024-10   314,66  22
7G001-0024-10   482,77  25
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
7G001-0030-10   585,67  27
     ...         ...   ...

df2：

    subject   Threshold 
7G001-0024-10   177,08
7G001-0030-10   385,13
    ...          ...

对于每个主题，我想在df1中提取0和每个主题的阈值之间的x和y数据包含在df2中以获得这种精神的输出：

  subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
    ...          ...   ...

我的第一个想法是，在ddply函数中使用which（）：

break=ddply(df1,.(subject),summarize,fun=x[which(x>=0 & x<Threshold )])

但是我被卡住了，我没有看到如何在哪个函数中指出我的阈值（df2）的变化。

好吧，如果有人能告诉我如何处理它（我的第一个直觉与否）

抱歉英语不好。

Answer 1

首先，您的数据：

df1 <- read.table(text = "subject         x      y
7G001-0024-10   0,00    15
7G001-0024-10   97,29   18
7G001-0024-10   197,34  21
7G001-0024-10   314,66  22
7G001-0024-10   482,77  25
7G001-0030-10   0,00    12
7G001-0030-10   99,50   16
7G001-0030-10   184,37  20
7G001-0030-10   301,89  25
7G001-0030-10   585,67  27", header = TRUE, dec = ",")

df2 <- read.table(text = "subject   Threshold 
7G001-0024-10   177,08
7G001-0030-10   385,13", header = TRUE, dec = ",")

您可以使用简单的apply来解决任务：

do.call("rbind", apply(df2, 1, FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]}))

#         subject      x  y
# 1 7G001-0024-10   0.00 15
# 2 7G001-0024-10  97.29 18
# 6 7G001-0030-10   0.00 12
# 7 7G001-0030-10  99.50 16
# 8 7G001-0030-10 184.37 20
# 9 7G001-0030-10 301.89 25

它是如何工作的？

首先，函数apply(df2, 1, FUN)将函数应用于数据框df2中的每一行。值1表示该函数应用于对象的第一维（第二维是列）。

看看一个简单的功能。它只返回df2的第一行和第二行。请注意，在输出中，行按列排列。

> apply(df2, 1, FUN = function(a) a)
          [,1]            [,2]           
subject   "7G001-0024-10" "7G001-0030-10"
Threshold "177.08"        "385.13"

由于我们想要提取df1的子集，因此需要更复杂的功能。所以，我指定了：

FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]}

在此函数中，a表示数据框df2的一行。此函数适用两次，df2两行一次。 a[1]是主题编号，a[2]是相应的阈值。该函数通过三个标准提取数据框df1的行的子集：

主题相同（a[1] == df1$subject）
x值至少为零（df1$x >= 0）
x值不高于阈值（df1$x <= as.numeric(a[2])）

注意：值a[2]需要通过as.numeric转换为数字。这是必要的，因为df2中的主题id表示为字符，从而apply将整行（包括阈值）转换为字符。

这些标准中的每一个都返回逻辑向量。这些向量与&组合成一个逻辑向量，指示是否所有三个标准都已满。使用df1[logical.vector, ]选择逻辑向量为df1的所有TRUE行。由于,后未指定任何内容，因此会选择所有列。

df1函数返回apply所有三个标准符都已满的行。

> apply(df2, 1, FUN = function(a) {df1[a[1] == df1$subject & df1$x >= 0 & df1$x <= as.numeric(a[2]), ]})
[[1]]
        subject     x  y
1 7G001-0024-10  0.00 15
2 7G001-0024-10 97.29 18

[[2]]
        subject      x  y
6 7G001-0030-10   0.00 12
7 7G001-0030-10  99.50 16
8 7G001-0030-10 184.37 20
9 7G001-0030-10 301.89 25

函数apply返回两个数据框的列表，每行df2一个。

在最后一步中，列表中的数据帧合并为一个数据帧。函数do.call("rbind", list)执行函数rbind并将列表中的参数传递给它。对于长度为2的列表，这相当于rbind(list[[1]], list[[2]])。这样，apply返回的列表中的两个数据帧都会合并。

使用另一个数据帧的信息提取数据框中组内的间隔。

1 个答案:

它是如何工作的？