Question

我试图从包含缺失观察的数据框中对行进行子集化。我可以选择符合特定条件的行。但是，在使用!时，我无法选择不符合相同条件的行。最终，我可以使用-排除不符合所需条件的行。

有没有办法用!排除所需的行？

以下是一个示例数据集：

df = read.table(text = "
     state  county    var1.a  var2.a  var1.b  var2.b
        1       1       10       25      20      25
        1       2       20       15      20      15
        2       1       30       NA      40      25
        2       2       40       35      10      35
        3       1       20       45      10      NA
        3       2       20       55      20      55
        4       1       NA       65      NA      NA
        4       2       80       NA      30      NA
        5       1       NA       15      NA      15
        5       2       NA       15      NA      35
", na.strings = "NA", header = TRUE)

# 1. works, selects Rows 2, 6 and 9, rows in which columns 3 and 5 are the same and
# columns 4 and 6 are the same

df[ (which( ( ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) & 
              ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) ) , arr.ind=TRUE)),]

# 2. does not work when excluding Rows 2, 6 and 9, does not retain Row 7

df[ (which(!( ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) & 
              ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) ) , arr.ind=TRUE)),]

# 3. does not work, does not select any rows

df[!(which( ( ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) & 
              ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) ) , arr.ind=TRUE)),]

# 4. works, selects Rows 1,3,4,5,7,8,10

df[-(which( ( ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) & 
              ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) ) , arr.ind=TRUE)),]

上面的第二个which语句未选择第7行，因为：

( ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) & 
  ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) )

返回：

# [1] FALSE  TRUE FALSE FALSE FALSE  TRUE    NA FALSE  TRUE FALSE

所以，我想我理解为什么!在这种情况下不起作用;但我无法弄清楚如何获得：

# [1] FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE

除了1,3,4,5,8,10行之外，如何修改第二个which语句以返回第7行？如果没有遗漏的观察，第二个which语句确实有效。

即使没有遗漏的观察结果，第三个which语句也不起作用。我知道-用于删除行或列。我知道!用于逻辑比较。我猜第三个which语句不符合逻辑比较的要求，但第二个which语句确实如此。

我想我可以使用第一个which语句来选择符合所需条件的行，并使用第四个which语句来选择不符合所需条件的行。但是，我想知道如何使用!选择不符合所需条件的行。

Answer 1

你错过了一个是NA而另一个不是FALSE的情况;它应该是NA然后因为它不匹配，但是你得到NA。由于这是您获得> ok1 <- ((df$var1.a == df$var1.b) | (is.na(df$var1.a) & is.na(df$var1.b))) > ok2 <- ((df$var2.a == df$var2.b) | (is.na(df$var2.a) & is.na(df$var2.b))) > ok.both <- ok1 & !is.na(ok1) & ok2 & !is.na(ok2) > ok.both [1] FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE时唯一的情况，我们之后可以检查它。这是一种方式：

eqna <- function(a, b) {
  ok <- ((a == b) | (is.na(a) & is.na(b)))
  ok & !is.na(ok)
}

此外，创建一个新函数可能很有用，如下所示：

> with(df, eqna(var1.a, var1.b) & eqna(var2.a, var2.b))
 [1] FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE

你会这样使用它：

{{1}}

Answer 2

我在这里可能是错的（从我的手机写）但看起来＃2不工作的原因仅仅是因为括号。

!只是否定了你的条款的前半部分。尝试在!之后添加另一组parens并在逗号之前将其关闭。

另外，请记住!只是反转逻辑值。即它交换T / F，同时将NA作为NA。

存在缺失观察值时，使用逻辑比较对行进行子集

2 个答案: