基于条件向量在r中进行子集化

时间:2013-10-12 05:31:38

标签: r subset

这是对我以前措辞不好的问题的重述。 (对于那些回复它的人,我感谢你们的努力,我很抱歉因为我的问题没有像我应该那样清楚。)我有一个大型数据集,其中一个子集可能如下所示:

a<-c(1,2,3,4,5,1)
b<-c("a","b","a","b","c","a")
c<-c("m","f","f","m","m","f")
d<-1:6
e<-data.frame(a,b,c,d)

如果我想根据特定条件得到第四列中的条目总和,我可以这样做:

attach(e)
total<-sum(e[which(a==3 & b=="a"),4])
detach(e)

但是,我有条件的“向量”(称之为condition_vector),其前四个元素看起来更像是这样:

a==3 & b == "a"
a==2
a==1 & b=="a" & c=="m"
c=="f"

我想创建上面“总计”公式的“通用”版本,通过读入条件的condition_vector来生成总计的results_vector。在此示例中,results_vector中的前四个条目将在概念上按如下方式计算:

results_vector[1]<-sum(e[which(a==3 & b=="a"),4])
results_vector[2]<-sum(e[which(a==2),4])
results_vector[3]<-sum(e[which(a==1 & b=="a" & c=="m"),4])
results_vector[4]<-sum(e[which(c=="f"),4])

我的实际数据集有20多个变量。因此,condition_vector中的每条记录都可以包含1到20个以上的条件(而不是1到3个条件,在本例中使用)。

除了使用解析(eval(text = ...方法(在相对较小的数据集上运行需要很长时间)之外,还有办法实现此目的吗?

提前感谢您提供的任何帮助(我再次道歉,我不像上次那样清楚)。

火花

2 个答案:

答案 0 :(得分:2)

这里使用eval(parse(text=..)使用解决方案,即使显然你发现它很慢:

cond <- c('a==3 & b == "a"','a==2','a==1 & b=="a" & c=="x"','c=="f"')
names(cond) <- cond
results_vector <- lapply(cond,function(x)
                              sum(dat[eval(parse(text=x)),"d"]))

$`a==3 & b == "a"`
[1] 3

$`a==2`
[1] 2

$`a==1 & b=="a" & c=="m"`
[1] 1

$`c=="f"`
[1] 11

命名条件向量的优点是可以按条件访问结果。

results_vector[cond[2]]
 $`a==2`
  [1] 2

答案 1 :(得分:0)

这是一个函数,它将每列中的条件作为参数(如果列中没有条件,则NA作为参数),并在所选data.frame的所选列中求和:

    conds.by.col <- function(..., sumcol, DF)  #NA if not condition in a column
    {
     conds.ls <- list(...)

     res.ls <- vector("list", length(conds.ls))
     for(i in 1: length(conds.ls))
      {
       res.ls[[i]] <- which(DF[,i] == conds.ls[[i]])
      }

     res.ls <- res.ls[which(lapply(res.ls, length) != 0)]

     which_rows <- Reduce(intersect, res.ls)

     return(sum(DF[which_rows , sumcol]))
    }

测试:

    a <- c(1,2,3,4,5,1)
    b <- c("a", "b", "a", "b", "c", "a")
    c <- c("m", "f", "f", "m", "m", "f")
    d <- 1:6
    e <- data.frame(a, b, c, d)

    conds.by.col(3, "a", "f", sumcol = 4, DF = e)
    #[1] 3

对于多种情况,mapply

    #all conditions in a data.frame:
    myconds <- data.frame(con1 = c(3, "a", "f"),
                          con2 = c(NA, "a", NA),
                          con3 = c(1, NA, "f"),
                          stringsAsFactors = F)

    mapply(conds.by.col, myconds[1,], myconds[2,], myconds[3,], MoreArgs = list(sumcol = 4, DF = e))

    #con1 con2 con3 
    #   3   10    6

我认为“效率”不是你说的第一个看这个,但是......