使用dplyr或R中的其他包进行子集化

Question

所以我们有这个基本数据

A <- c(1,1,1,2,2,2,3,3,3)
B <- c(1,0,0,1,0,0,1,0,0)
C <- c(2,2,3,4,3,3,3,4,3)
Data <- data.frame(A,B,C)

我们现在想要过滤它

我们看每个C = 3和B = 1的情况 并找到它一个值 使用此A值，我们要搜索C = 4和B = 0并删除它

如此图形化，

我们要删除红色行并保持绿色行

我理想地想要使用dplyr但是对其他替代方案开放

Answer 1

Base R，我认为这就是你所需要的：

# Column A values to consider for filter
C3_B1 <- Data[Data$C==3 & Data$B==1,"A"]

# Filter out rows where C==4 and B==0
Data[ !(Data$A %in% C3_B1 &
          Data$C==4 &
          Data$B==0),]

# Output - row 8 is removed
#   A B C
# 1 1 1 2
# 2 1 0 2
# 3 1 0 3
# 4 2 1 4
# 5 2 0 3
# 6 2 0 3
# 7 3 1 3
# 9 3 0 3

使用sqldf包：

sqldf(c("DELETE FROM Data 
          WHERE A IN (SELECT A FROM Data 
                       WHERE  C = 3 AND B = 1) 
                AND C = 4 
                AND B = 0",
        "SELECT * FROM Data "))

Answer 2

使用dplyr

Data %>% filter(!(A==select(filter(Data, C==3 & B==1), A)[,1] & C==4 & B ==0))

本质上是一个两步过程。

第一个是：

select(filter(Data, C==3 & B==1), A)

过滤Data，C==3和B==1，然后只选择列A。我们将此命名为temp。

第二步是：

Data %>% filter(!(A==temp[,1] & C==4 & B ==0))

一个简单的过滤。

Answer 3

这是另一种data.table方法。首先，将其读取为键控data.table：

require(data.table)
DT <- data.table(Data,key="C,B,A")

识别OP不喜欢的A值

myA <- DT[J(3,1)]$A

排除

DT[!J(4,0,myA)]

如果myA是向量，这也可以。

Answer 4

你提到了其他选择，所以这里是data.table

library(data.table)
 d=as.data.table(Data)
 d[!((A==d[B==1 & C==3,A])&(C==4&B==0))]

但不确定这将如何处理更复杂的情况，并删除更多行。

Answer 5

另一个解决方案，可能比上面的一些解决方案慢一些。但对读者来说可能会更加透明。如果要运行不同的B和C值，也更容易进入函数。

a_values <- Data %>% 
  filter(B == 1, C == 3) %>% 
  select(A) %>% 
  unique()

Data <- Data %>% 
  filter(!(A %in% a_values & B == 0 & C == 4))

编辑：忘了否定！