几天后，我正在寻找管理R中数据的方法。我有相同的一组个体（n = 5013）结构如下：两个非对称邻接矩阵（p = subprocess.Popen(cmd, stdout = subprocess.PIPE)
和{{1 }}（nxn平方矩阵，其中所有个体组成矩阵的行和列）和数据框（m1）与我的一组个体（m2）和一个变量（df ）。
我正在寻找使用变量df$N（行和列的不同标准/变量值）和子集df$V（或识别无效情况）来对矩阵进行子集的方法。值df$V。
以下示例说明了我的问题：
m1例如，我将矩阵中的单元格进行子集，其中行取值“v1”和“v3”，cols取值为“v2”df $ V
m2然后在m1子集的子集中观察（或识别无效情况），其具有m2-subseted中的单元值“<5”。我正在搜索的结果：矩阵，m1的子集。
# N are individuals. Two matrices (m1 and m2) and a dataframe (df) with a variable (df$V)
> df
N V
1 a v1
2 b v2
3 c v3
4 d v1
5 e v2
6 f v3
7 g v1
> m1
a b c d e f g
a 7 3 9 8 1 6 8
b 1 6 9 2 9 4 4
c 2 3 2 7 9 7 3
d 9 7 6 3 2 6 6
e 9 9 6 5 5 6 5
f 1 1 1 6 1 5 9
g 6 2 5 2 1 8 5
> m2
a b c d e f g
a 8 3 7 8 4 3 2
b 2 8 4 2 7 7 2
c 8 3 1 6 9 9 4
d 7 3 6 7 4 9 5
e 5 8 7 1 7 6 6
f 9 6 8 9 6 6 2
g 4 8 8 1 9 7 3
> m1subseted
b e
a 3 1
c 3 9
d 7 2
f 1 1
g 2 1
> m2subseted
b e
a 3 4
c 3 9
d 3 4
f 6 6
g 8 9
@jkt提出的解决方案工作正常，除非标签很复杂（带重音符号，圆括号等），就像在我的原始数据集中一样。我找到的解决方案是在应用算法之前用最简单的标签更改复杂标签，并在结果上恢复原始标签。 我与@jkt提供的解决方案（适用于示例）共享我使用的代码，希望它对某人有用。
#subset m1 if cell value in m2 is <5 / Invalid cells = NA
b e
a 3 1
c 3 NA
d 7 2
f NA NA
g NA NA
答案 0 :(得分：0)
我只会使用一系列子集化命令。
这定义了两个标准（基于v1，v3和v2）：
crit1 <- c('v1','v3')
crit2 <- 'v2'
根据条件和相应的行/列名称对矩阵进行子集：
m11 <- m1[df$N[which(df$V %in% crit1)], df$N[which(df$V %in% crit2)]]
m21 <- m2[df$N[which(df$V %in% crit1)], df$N[which(df$V %in% crit2)]]
这会在第二个子集矩阵中设置不符合最后一个条件的所有值NA。
m11[!(m21<5)] <- NA
调用m11然后会给您：
b e
a 3 1
c 3 NA
d 7 2
f NA NA
g NA NA
您可以将此转换为一个函数，其中包含所有条件作为参数以及矩阵和数据框。