Question

（没有经验的编码员 - 对不起，如果简单的问题！）

我有两个数据框x和y：

x：包含一列唯一的数字ID

y：包含一列非唯一数字ID和一列可变数字代码（诊断医疗代码）

y中的所有ID都在x中（并且在任一数据框中都没有额外的ID），但y中的ID可以重复多行。 y中的每个ID在相邻列中都有一个代码。这些代码可以在ID内和ID之间变化，每个ID可以有多个相同的代码（即，可以有多个相同的ID代码对）。

我想要做什么：对于x中的每个ID（或y中唯一的ID列表），选择y中具有匹配ID的行并将其删除如果第二列中的代码仅针对该特定ID发生一次，则从y开始。（或者，对于x中的每个ID，选择y中具有多次出现代码的匹配行，并使用这些ID代码对进行新的数据框。）

我可能（可能？）我根本不需要使用x，因为y和x中的ID完全相同，但只是在y中重复。

我尝试使用for循环来制作一个新的df，但它似乎需要永远而且永远......

df <- data.frame()
for (a in x$id){
      r <- subset(y, id==a)
      s <- count(r, code) %>% subset(n > 1)
      t <- subset(r, code %in% s)
      df <- rbind(df, t)
     }

（我确定这是非常低效的，请不要取笑我。还要从记忆中写下这个，希望它能运行。）

示例数据框：

y

id      code
12345   1092
12345   1092
12345   7448
12345   2274
74839   6117
74839   8337
90029   1092
90029   1092
90029   1092
90029   5521
90029   5521
90029   9338

x

输出最好是：

id      code
12345   1092
12345   1092
90029   1092
90029   1092
90029   1092
90029   5521
90029   5521

有一个更好的方法吗？谢谢你的帮助。

Answer 1

一种方式如下。首先，首先使用x中的id在y中对观测值进行子集化。然后，使用id和code对数据进行分组，并删除任何只有一个观察的组。

library(dplyr)

filter(y, id %in% x$id) %>%
group_by(id, code) %>%
filter(n() != 1) %>%
ungroup

另一种方式如下。

filter(y, id %in% x$id) %>%
group_by(id) %>%
filter(!(!duplicated(code) & !duplicated(code, fromLast = TRUE))) 


#     id  code
#  <int> <int>
#1 12345  1092
#2 12345  1092
#3 90029  1092
#4 90029  1092
#5 90029  1092
#6 90029  5521
#7 90029  5521

删除仅出现一次的子集化数据行

1 个答案: