Question

我最近发现，在用“[”对一个对象（即一个数据帧）进行子集化之后，得到的对象可能是在同一行代码上带有“[”的子集（我应该早点实现它！）。这是一个例子：

# Create a data frame
df1 <- as.data.frame(matrix(1:9, nrow = 3))

# Take a look at the data frame
df1
  V1 V2 V3
1  1  4  7
2  2  5  8
3  3  6  9

# If I want the value which is on the 3rd row and 2nd column
df1[3,2]
[1] 6

# But I could also
df1[,2][3]
[1] 6

关于第二种选择的几句话。 df[,2]返回一个原子向量，然后是df[,2][3]的子集。

以下数据框架将有助于说明我的问题。它是一个简单的数据框，包含26名学生的姓名，他们各自的部门以及数值。添加种子编号以便重现。

set.seed(123)
df2 <- data.frame(name = letters, dept = sample(c("econ", "stat", "math"), 26, replace = TRUE), value = runif(26, 0, 100))
head(df2)
  name dept    value
1    a econ 54.40660
2    b math 59.41420
3    c stat 28.91597
4    d math 14.71136
5    e math 96.30242
6    f econ 90.22990

我想知道谁是econ部门中价值最低的人。 我尝试的第一件事就是：

df2[df2$dept == "econ" & df2$value == min(df2$value),]
[1] name  dept  value
<0 rows> (or 0-length row.names)

我花了一段时间来理解我做错了什么，但我终于意识到问题在于我的代码假设整体价值最低的人也来自econ部门，这是不是这样的（这是R给我的答案）。实际上，整体价值最低的人来自stat部门。

i <- which(df$value == min(df$value))
df[i,]
  name dept    value
9    i stat 2.461368

当然，我可以通过以下方式轻松找到问题的答案：

df_econ <- df2[df2$dept == "econ",]
df_econ
   name dept    value
1     a econ 54.40660
6     f econ 90.22990
15    o econ 14.28000
17    q econ 41.37243
18    r econ 36.88455
19    s econ 15.24447
df_econ[df_econ$value == min(df_econ$value),]
   name dept value
15    o econ 14.28

但我想知道我是否可以使用[运算符的“嵌套”子集获得相同的结果。我的意思是使用这样的代码：

df2[df2$dept == "econ",][... ,]

此时我不知道如何引用value列，因为第一个子集化操作df2[df2$dept == "econ",]的结果数据帧是与df2不同的数据帧。我也知道value列是第3列，但我不知道如何使用列索引而不是名称来设置子集条件。

感谢您的帮助。

Answer 1

以下是一些选项：

library(dplyr) 
# also in @bramtayl's answer:
df2 %>% filter(dept == "econ") %>% filter(value==min(value))
# or
df2 %>% filter(dept == "econ") %>% slice(which.min(value))

# or...

library(data.table) 
setDT(df2)[dept == "econ"][value==min(value)]
# or
setDT(df2)[dept == "econ"][which.min(value)]

这些软件包提供了方便的链接方式，除了笨拙之外，在基础R中不可用，例如

subset(subset(df2, dept=="econ"), value == min(value))

可能还有其他套餐，但最近这两种套餐被广泛使用。

评论。如果您只是浏览数据，我建议您在dept级别汇总：

# dplyr:
df2 %>% group_by(dept) %>% slice(which.min(value))

# data.table:
df2[, .SD[which.min(value)], by=dept]


   dept name     value
1: econ    o 14.280002
2: math    t 13.880606
3: stat    i  2.461368

Answer 2

同意链接是必要的：

library(magrittr)

df %>%
  `[`(.$dept == "econ", ) %>%
  `[`(.$value == min(.$value), )

为什么不坚持使用dplyr？

library(dplyr)

df %>%
  filter(dept == "econ") %>%
  filter(value == min(value) )

带有“[”的嵌套子集

2 个答案: