Question

想象一下，我有一个这样的数据框：

> col1 <- rep(1:3,10)
> col2 <- rep(c("a","b"),15)
> col3 <- rnorm(30,10,2)
> sample_df <- data.frame(col1 = col1, col2 = col2, col3 = col3)
> head(sample_df)
  col1 col2      col3
1    1    a 13.460322
2    2    b  3.404398
3    3    a  8.952066
4    1    b 11.148271
5    2    a  9.808366
6    3    b  9.832299

我只想保留预测变量的组合，它们的col3标准差一起低于2.我可以使用ddply找到组合，但我不知道如何回溯到原始DF并选择正确的水平。

> sample_df_summ <- ddply(sample_df, .(col1, col2), summarize, sd = sd(col3), count = length(col3))
> head(sample_df_summ)
  col1 col2       sd count
1    1    a 2.702328     5
2    1    b 1.032371     5
3    2    a 2.134151     5
4    2    b 3.348726     5
5    3    a 2.444884     5
6    3    b 1.409477     5

为清楚起见，在这个例子中，我喜欢DF，col1 = 3，col2 = b，col1 = 1，col2 = b。我该怎么做？

Answer 1

只有当标准差低于2时，才能添加“保持”列为TRUE。然后，您可以使用左连接（合并）将“保留”列添加到初始数据帧。最后，你只需选择keep等于TRUE。

# add the keep column
sample_df_summ$keep <- sample_df_summ$sd < 2
sample_df_summ$sd <- NULL
sample_df_summ$count <- NULL

# join and select the rows
sample_df_keep <- merge(sample_df, sample_df_summ, by = c("col1", "col2"), all.x = TRUE, all.y = FALSE)
sample_df_keep <- sample_df_keep[sample_df_keep$keep, ]
sample_df_keep$keep <- NULL

Answer 2

使用dplyr：

library(dplyr)
sample_df %>% group_by(col1, col2) %>% mutate(sd = sd(col3)) %>% filter(sd < 2)

你得到：

#Source: local data frame [6 x 4]
#Groups: col1, col2
# 
#  col1 col2      col3        sd
#1    1    a 10.516437 1.4984853
#2    1    b 11.124843 0.8652206
#3    2    a  7.585740 1.8781241
#4    3    b  9.806124 1.6644076
#5    1    a  7.381209 1.4984853
#6    1    b  9.033093 0.8652206

仅在数据帧中保留某些预测变量的组合

2 个答案: