Question

我希望过滤数据框x，其中包含ID的{{1}}行，其中Hour的行与所有值相匹配testVector。

ID <- c('A','A','A','A','A','B','B','B','B','C','C')
Hour <- c('0','2','5','6','9','0','2','5','6','0','2')

x <- data.frame(ID, Hour)
x
   ID Hour
1   A    0
2   A    2
3   A    5
4   A    6
5   A    9
6   B    0
7   B    2
8   B    5
9   B    6
10  C    0
11  C    2

testVector <- c('0','2','5')

解决方案应该产生以下数据框：

ID C的所有值都已被删除，因为它已丢失Hour 5。请注意，我希望Hour的{{1}}的所有值都匹配ID 1}}。

dplyr解决方案将是理想的，但欢迎任何解决方案。

根据有关SO的其他相关问题，我猜我需要testVector和%in%的某种组合，但我无法弄明白。

Answer 1

%in%和all的组合听起来很有希望，在基础R中你可以使用以下优势：

to_keep = sapply(lapply(split(x,x$ID),function(x) {unique(x$Hour)}), 
                                              function(x) {all(testVector %in% x)})
x = x[x$ID %in% names(to_keep)[to_keep],]

或者类似地，但是根据d.b.跳过一个不必要的lapply并且效率更高。在评论中：

temp = sapply(split(x, x$ID), function(a) all(testVector %in% a$Hour))
x[temp[match(x$ID, names(temp))],]

输出：

希望这有帮助！

Answer 2

这是另一个没有离开管道的dplyr解决方案：

ID <- c('A','A','A','A','A','B','B','B','B','C','C')
Hour <- c('0','2','5','6','9','0','2','5','6','0','2')

x <- data.frame(ID, Hour)

testVector <- c('0','2','5')

x %>%
  group_by(ID) %>%
  mutate(contains = Hour %in% testVector) %>%
  summarise(all = sum(contains)) %>%
  filter(all > 2) %>%
  select(-all) %>%
  inner_join(x)

##       ID   Hour
##   <fctr> <fctr>
## 1      A      0
## 2      A      2
## 3      A      5
## 4      A      6
## 5      A      9
## 6      B      0
## 7      B      2
## 8      B      5
## 9      B      6

Answer 3

以下是使用table

中base R的选项

i1 <- !rowSums(table(x)[, testVector]==0)
subset(x, ID %in% names(i1)[i1])
#   ID Hour
#1  A    0
#2  A    2
#3  A    5
#4  A    6
#5  A    9
#6  B    0
#7  B    2
#8  B    5
#9  B    6

或者可以使用data.table

完成此操作

library(data.table)
setDT(x)[, .SD[all(testVector %in% Hour)], ID]
#    ID Hour
#1:  A    0
#2:  A    2
#3:  A    5
#4:  A    6
#5:  A    9
#6:  B    0
#7:  B    2
#8:  B    5
#9:  B    6

过滤匹配矢量的所有值的数据帧

3 个答案: