我有一个包含3个ID变量的数据框，然后是每个ID的几个值。
user Log Pass Value
2 2 123 342
2 2 123 543
2 2 123 231
2 2 124 257
2 2 124 342
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 342
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 543
4 3 125 231
4 3 125 257
每组值的开始和结束有时会产生噪音，我希望能够删除前几个值。不幸的是，值的数量变化很大，但它始终是噪声值的第一个和最后20％。
我想删除前20％的行，删除最少1行。
因此，例如，如果用户2 log 2传递123有20个值，我想删除第一行和最后4行。如果ID变量只有3个值，我想删除第一行和最后一行。
结果数据集为：
user Log Pass Value
2 2 123 543
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 543
4 3 125 231
4 3 125 257
4 3 125 543
4 3 125 231
我试过用nrow摆弄，但我很难弄清楚如何通过id变量引用行数百分比。
感谢。
乔纳森。
答案 0 :(得分：2)
我相信以下可以做到。
数据。
[AllowAnonymous]
[HttpPost]
public async Task<IActionResult> Login(string username, string password, string returnUrl)
{
if (ModelState.IsValid)
{
var claimsPrinciple = await _userService.GetUserAsync(username, password);
if (claimsPrinciple == null)
{
ViewData["ReturnUrl"] = returnUrl;
ModelState.AddModelError("Login", "Username or password is incorrect.");
return View();
};
await HttpContext.SignInAsync(
claimsPrinciple,
new AuthenticationProperties
{
IsPersistent = true,
ExpiresUtc = DateTime.UtcNow.AddDays(30),
}
);
if (Url.IsLocalUrl(returnUrl))
{
return Redirect(returnUrl);
}
}
ViewData["ReturnUrl"] = returnUrl;
return View();
}
<强> CODE。
public partial class Migration_DistributedCache : Migration
{
protected override void Up(MigrationBuilder migrationBuilder)
{
migrationBuilder.Sql(@"CREATE TABLE [dbo].[DistributedCache] (
[Id] NVARCHAR (449) COLLATE SQL_Latin1_General_CP1_CS_AS NOT NULL,
[Value] VARBINARY (MAX) NOT NULL,
[ExpiresAtTime] DATETIMEOFFSET (7) NOT NULL,
[SlidingExpirationInSeconds] BIGINT NULL,
[AbsoluteExpiration] DATETIMEOFFSET (7) NULL,
PRIMARY KEY CLUSTERED ([Id] ASC)
);
GO
CREATE NONCLUSTERED INDEX [Index_ExpiresAtTime]
ON [dbo].[DistributedCache]([ExpiresAtTime] ASC);");
}
protected override void Down(MigrationBuilder migrationBuilder)
{
migrationBuilder.DropIndex(
name: "Index_ExpiresAtTime",
table: "DistributedCache");
migrationBuilder.DropTable(
name: "DistributedCache");
}
}
答案 1 :(得分：2)
这样的事情有帮助吗？
对于数据框df：
df[-c(1:floor(nrow(df)*0.2), (1+ceiling(nrow(df)*0.8)):nrow(df)),]
只删除第一个和最后一个20％，取上限和下限值，以便在较小的数据框中保留一些信息：
> df<-data.frame(a=1:100)
> df[-c(1:floor(nrow(df)*0.2),(1+ceiling(nrow(df)*0.8)):nrow(df)),]
[1] 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
[31] 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
> df<-data.frame(1:3)
> df[-c(1:floor(nrow(df)*0.2),(1+ceiling(nrow(df)*0.8)):nrow(df)),]
[1] 2
答案 2 :(得分：1)
您可以使用dplyr ...
library(dplyr)
df2 <- df %>% group_by(user, Log, Pass) %>%
filter(n()>2) %>% #remove those with just two elements or fewer
slice(max(2, 1+ceiling(n()*0.2)):min(n()-1, floor(0.8*n())))
df2
user Log Pass Value
1 2 2 123 543
2 4 3 125 543
3 4 3 125 231
4 4 3 125 257
5 4 3 125 543
6 4 3 125 231
7 4 3 125 257
8 4 3 125 543
9 4 3 125 231
答案 3 :(得分：1)
这是一个使用基数R的想法，它返回每个用户的行索引，然后保留这些索引的子集。
idx <- unlist(lapply(split(seq_along(dat[["user"]]), dat[["user"]]), function(x) {
tmp <- max(1, ceiling(.2 * length(x)))
tail(head(x, -tmp), -tmp)}),
use.names=FALSE)
split(seq_along(dat[["user"]]), dat[["user"]])返回每个用户的行列表。 lapply循环遍历这些行，使用split(seq_along(dat[["user"]]), dat[["user"]])计算要从每一端删除的行数，然后使用tail(head(x, -tmp), -tmp)})删除它们。由于lapply返回一个命名列表，因此该列表不公开，名称将被删除。
返回
idx
2 3 4 10 11 12 13 14 15 16 17
现在是子集
dat[idx,]
user Log Pass Value
2 2 2 123 543
3 2 2 123 231
4 2 2 124 257
10 4 3 125 543
11 4 3 125 231
12 4 3 125 257
13 4 3 125 543
14 4 3 125 231
15 4 3 125 257
16 4 3 125 543
17 4 3 125 231
答案 4 :(得分：1)
计算您想要保留的偏移量：
rem <- ceiling( nrow( x ) * .2 ) + 1
然后取出你不想要的记录：
dat <- dat[ rem : ( nrow( dat ) - rem ), ]