Question

我有一个ID列表，每个ID都有多个事件。数据看起来像一个事件日志，即每行每个ID一个事件。例如：

n.ID=4
n.events=5
set.seed(1234)
df <- setNames(melt(replicate(n.ID, sort(sample(letters[c(1:10)], n.events))))[c(2:3)], c("ID", "Event"))
df

    > df
   ID Event
1   1     b
2   1     e
3   1     f
4   1     h
5   1     i
6   2     a
7   2     b
8   2     d
9   2     e
10  2     g
11  3     b
12  3     c
13  3     e
14  3     g
15  3     j
16  4     b
17  4     c
18  4     g
19  4     i
20  4     j

我想选择那些符合条件列表的ID，这些ID使用AND或OR。

例如：

具有事件“b”和“c”和“g”的那些ID - ＆gt;结果ID 3＆amp; 4
具有事件“a”或“h”的那些ID - ＆gt;结果ID 1＆amp; 2

标准向量可以是任意长度。

编辑：

我知道百分比％和“|”，但是，

keep.if <- c("b", "c", "g") # This list can be of any length
subset(df, Event %in% keep.if)
ID Event
1   1     b
7   2     b
10  2     g
11  3     b
12  3     c
14  3     g
16  4     b
17  4     c
18  4     g

我只想要结果中有3行的那些，所以我可以对这个结果做一个表，并选择那些Freq == length（keep.if）的ID ......但我想应该有一个更简单，更简洁的方法...

我想我可以采取的OR版本：

unique(subset(df, Event %in% keep.if)$ID)

Answer 1

我会创建一个table，然后使用tidyr::spread创建一个contigency表类型对象。然后我会使用data.table来简化子设置和逻辑运算：

library(tidyr)

df.table<-as.data.frame(table(df)) %>% spread(Event, Freq)
df.table

ID a b c d e f g h i j
1 0 1 0 0 1 1 0 1 1 0
2 1 1 0 1 1 0 1 0 0 0
3 0 1 1 0 1 0 1 0 0 1
4 0 1 1 0 0 0 1 0 1 1

library(data.table)
##easier to subset with

df.table<-data.table(df.table)
df.table[b & c & g]

ID a b c d e f g h i j
3 0 1 1 0 1 0 1 0 0 1
4 0 1 1 0 0 0 1 0 1 1

df.table[a | h]

ID a b c d e f g h i j
1 0 1 0 0 1 1 0 1 1 0
2 1 1 0 1 1 0 1 0 0 0

这是你在问题中给出的两个例子。您应该可以执行任何您想要的操作。此外，如果您只想知道哪些ID满足您的逻辑（而不是它们的整个列联表），那么：

df.table[b & c & g]$ID
[1] 3 4

R - 从单列中选择满足多个条件的ID

1 个答案: