Question

我有一个应用程序，我想定义一个允许观察的函数根据一个范围内的条件从数据集中选择或更多变量。这在直接R代码中相当简单，但是我希望有一个数据驱动函数可以将这些条件作为参数，并允许更一般的条件。

这是一个简单的例子

set.seed(1234)
n <- 100
testdat <- data.frame(
            X = round(rnorm(n, mean=10, sd=3), 2),
            Y = rnorm(n, mean=8, sd=2),
            NL = sample(2:10, n, replace=TRUE)
            )

使用范围数据框

说我想选择0 <= X < 10和0 <= Y < 8的观察结果。我可以这样做：

# define a handy utility function 
within <- function(x, a, b)
    (!is.na(x)) & (x >= a) & (x <= b)

# specify ranges for variables
ranges <- data.frame(X = c(0,10), Y= c(0,8))

# calculate acceptance
OK <- rep(TRUE, n)
for (col in colnames(ranges)) {
    OK <- OK & within(testdat[, col], ranges[1,col], ranges[2,col])
}
# select
testdat[OK,]

证明：

plot(Y ~ X, data=testdat, col=1+OK, pch=(15:16)[1+OK])
abline(v=ranges$X, h=ranges$Y, col="gray")

这很容易定义为函数：

Select <- function(x, ranges) {
    OK <- rep(TRUE, nrow(x))
    for (col in colnames(ranges)) {
        OK <- OK & within(x[, col], ranges[1,col], ranges[2,col])
    }
    x[OK,]
}

使用dplyr

使用dplyr执行此类操作要简单得多且灵活得多，但是我无法看到如何将其转换为可以采用任意数量条件的函数。

与dplyr相同的例子：

selected <- testdat %>%
    filter( within(X, 0,10), within(Y, 0,8) )

，或者

selected <- testdat %>%
    filter( X < median(X), Y < median(Y) )

通缉：具有以下调用的函数，其中...对应于涉及x

中变量的其他逻辑表达式

Select <- function(x, condition, ...) {
   # what goes here ???
}

Answer 1

更新：这是该功能的更新版本，旨在提供更直观的方式来添加选择条件。条件作为列表传递。每个列表元素都是一个包含三个元素的向量，列名，下限和上限。只需在列表中添加更多元素即可添加更多列选择条件。这是函数，后面是三个例子：

my_subset = function(data, conditions) {

  vars = sapply(conditions, function(x) x[1])
  gt = sapply(conditions, function(x) x[2])
  lt = sapply(conditions, function(x) x[3])

  data %>% 
    filter_(paste(vars, "<=", lt, collapse=" & ")) %>%
    filter_(paste(vars, ">=", gt, collapse=" & "))
}

testdat %>% my_subset(list(c("X",4,10), c("Y",10,Inf)))

iris %>% my_subset(list(c("Sepal.Width",3.2,3.5), c("Petal.Width",0,0.2)))

mtcars %>% my_subset(list(c("mpg",20,25), c("wt", 2.5, Inf), c("hp", 0, 100)))

原始答案

这是一个dplyr函数，它将采用任意数量的条件并返回子集化数据帧。我们使用paste将传递给函数的条件放在一起。

my_subset = function(data, vars, gt=NULL, lt=NULL) {

  if(!is.null(lt)) {
    data = data %>% 
      filter_(paste(vars, "<", lt, collapse="&"))
  }

  if(!is.null(gt)) {
    data = data %>% 
      filter_(paste(vars, ">", gt, collapse="&"))
  }

  data
}

现在对样本数据运行该函数：

my_subset(testdat, c("X","Y"), gt=c(4,3), lt=c(8,6))

或

testdat %>% my_subset(c("X","Y"), gt=c(4,3), lt=c(8,6))

     X        Y NL
1 7.67 5.780466 10
2 6.93 4.973424  5
3 7.87 5.656103  5
4 5.11 4.699798  4
5 5.98 4.103508 10
6 7.68 5.893234  7
7 5.83 5.752474  6

iris %>% my_subset(c("Petal.Width","Sepal.Length"), lt=c(0.3,4.5))

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          4.4         2.9          1.4         0.2  setosa
2          4.3         3.0          1.1         0.1  setosa
3          4.4         3.0          1.3         0.2  setosa
4          4.4         3.2          1.3         0.2  setosa

用于在一个或多个变量的范围内选择观察值（dplyr）

1 个答案: