Question

我一直在StackOverflow中查看可能的解决方案一段时间，但我必须请求帮助。

我有一个具有以下结构的数据框：

df <- data.frame(A = c("A", "A", "A", "A", "B", "B", "C", "C", "C", "C", "D"),
             B = c("F1", "F2", "F3", "F4", "F2", "F3", "F1", "F2", "F3", "F4", 
             "F4"))

我想过滤它以仅保留具有完整级别的行，如下所示：

df_new <- data.frame(A = c("A", "A", "A", "A", "C", "C", "C", "C"),
                 B = c("F1", "F2", "F3", "F4", "F1", "F2", "F3", "F4"))

请注意，Col1的过滤受Col2必须包含所有级别lvls <- c("F1", "F2", "F3", "F4")的条件的限制，因此使用dplyr::filter或subset非常棘手。它是一个长（和动态）数据集，所以我不想手动执行此操作。提前感谢您的关注。

Answer 1

其中任何一个：

library(tidyverse)

df %>% group_by(A) %>% 
  filter(length(unique(B)) == length(levels(B)))

df %>% group_by(A) %>% 
  filter(n_distinct(B) == length(levels(B)))

       A      B
  <fctr> <fctr>
1      A     F1
2      A     F2
3      A     F3
4      A     F4
5      C     F1
6      C     F2
7      C     F3
8      C     F4

或者，如果您需要担心缺少值：

df %>% group_by(A) %>% 
  filter(length(unique(B[!is.na(B)])) == length(levels(B)))

df %>% group_by(A) %>% 
  filter(n_distinct(B, na.rm=TRUE) == length(levels(B)))

Answer 2

以下是data.table

的选项

library(data.table)
setDT(df)[, .SD[nlevels(droplevels(B))==max(nlevels(B))], A]
#   A  B
#1: A F1
#2: A F2
#3: A F3
#4: A F4
#5: C F1
#6: C F2
#7: C F3
#8: C F4

删除不是NAs的不完整级别的行

2 个答案: