Question

我有一个数据框如下。

Hospital    State   Mortality   Rank
aaa          AK        9.7       1    
bbb          AK        10.5      2 
ccc          AK        11.3      3
ddd          AL         5.6      1
eee          AL         8.7      2 
fff          AL         9.1      3
ggg          AL         9.3      4 
hhh          AR         9.9      1
iii          AR         10.2     2
jjj          TX          6.5     1
kkk          TX          6.5     2
lll          TX          8.3     3
mmm          TX          8.4     4

可再现性

df <- data.frame(Hospital=c("aaa","bbb","ccc","ddd","eee","fff","ggg","hhh","iii","jjj","kkk","lll","mmm"),State=c("AK","AK","AK","AL","AL","AL","AL","AR","AR","AZ","AZ","AZ","AZ"), Mortality=c(9.7,10.5,11.3,5.6,8.7,9.1,9.3,9.9,10.2,6.5,6.5,8.3,8.4),Rank=c(1,2,3,1,2,3,4,1,2,1,2,3,4))

当我搜索排名第4的医院时，我想得到如下结果，在每个没有通过排名的州内返回医院的NA

Hospital    State   
NA          AK            
ggg         AL        
NA          AR        
mmm         TX

目前我只获得那些包含值为4的等级的行。

Hospital    State 
ggg         AL
mmm         TX

除了创建一个包含4行的df之外，还有一种更快的方法，即为那些没有预期等级值然后过滤它们的状态留下NA的医院。

Answer 1

您可以使用merge获取此结果并将all.y参数设置为TRUE：

merge(df[df$Rank == 4,], unique(df["State"]), all.y=TRUE)
  State Hospital Mortality Rank
1    AK     <NA>        NA   NA
2    AL      ggg       9.3    4
3    AR     <NA>        NA   NA
4    AZ      mmm       8.4    4

这里的想法是获取一个带有单个变量的唯一状态名称的data.frame，并将其合并到包含等级4的医院的data.frame上。由于带有状态的data.frame是第二个参数，{ {1}}告诉merge将所有状态保存在最终的data.frame中。

要仅返回两列，您可以进一步将第一个参数子集化为keep.y=TRUE，如

merge

Answer 2

来自dplyr的解决方案。

library(dplyr)

df2 <- df %>%
  group_by(State) %>%
  summarise(Rank = max(Rank)) %>%
  left_join(df, by = c("State", "Rank")) %>%
  mutate(Hospital = ifelse(Rank < 4, NA_character_, as.character(Hospital))) %>%
  select(Hospital, State)
df2
# A tibble: 4 x 2
  Hospital  State
     <chr> <fctr>
1     <NA>     AK
2      ggg     AL
3     <NA>     AR
4      mmm     AZ

根据列值过滤数据框，并为不包含列值的数据包括NA

2 个答案: