我的数据仍然存在障碍。这是可重复的df：
signal1 <- c(rep(1:6))
signal2 <- c(rep(7:12))
signal3 <- c(rep(13:18))
signal4 <- c(rep(19:24))
val <- c(2.5,3.2,2.9,0.1,0.4,4.1)
tag <- c('str1','str2','str3','str4','str5','str6')
gene <- c('ABC','ABC','ABC','DEF','DEF','DEF')
df <- data.frame(signal1,signal2,signal3,signal4,gene,FC)
signal1 signal2 signal3 signal4 gene val
1 1 7 13 19 ABC 2.5
2 2 8 14 20 ABC 3.2
3 3 9 15 21 ABC 2.9
4 4 10 16 22 DEF 0.1
5 5 11 17 23 DEF 0.4
6 6 12 18 24 DEF 4.1
示例I
我想选择基于val值的条纹，系列（2个或更多）的行，而不是组2.5中的gene。问题是行应该是一个一个，所以期望的输出应该是：
signal1 signal2 signal3 signal4 gene val
1 1 7 13 19 ABC 2.5
2 2 8 14 20 ABC 3.2
3 3 9 15 21 ABC 2.9
小组ABC中的三行符合条件 - 系列长度 - 3，一个接一个，所有这些都有val >= 2.5
示例II
对于数据集：
signal1 signal2 signal3 signal4 gene val
1 1 7 13 19 ABC 2.5
2 2 8 14 20 ABC 0.2
3 3 9 15 21 ABC 2.9
4 4 10 16 22 DEF 0.1
5 5 11 17 23 DEF 0.4
6 6 12 18 24 DEF 4.1
结果，为空df，因为组中的所有行都没有条纹。
示例III
signal1 signal2 signal3 signal4 gene val
1 1 7 13 19 ABC 0.5
2 2 8 14 20 ABC 3.2
3 3 9 15 21 ABC 2.9
4 4 10 16 22 DEF 7.1
5 5 11 17 23 DEF 4.4
6 6 12 18 24 DEF 2.1
输出：
signal1 signal2 signal3 signal4 gene val
2 2 8 14 20 ABC 3.2
3 3 9 15 21 ABC 2.9
4 4 10 16 22 DEF 7.1
5 5 11 17 23 DEF 4.4
两组/条纹/一系列行与val >= 2.5
示例IV
让我们采取更大的数据集：
signal1 signal2 signal3 signal4 gene val
1 1 11 21 31 ABC 0.5
2 2 12 22 32 ABC 3.2
3 3 13 23 33 ABC 2.9
4 4 14 24 34 ABC 7.1
5 5 15 25 35 ABC 0.4
6 6 16 26 36 DEF 4.1
7 7 17 27 37 DEF 6.2
8 8 18 28 38 DEF 0.2
9 9 19 29 39 DEF 3.2
10 10 20 30 40 DEF 12.1
输出：
signal1 signal2 signal3 signal4 gene val
2 2 12 22 32 ABC 3.2
3 3 13 23 33 ABC 2.9
4 4 14 24 34 ABC 7.1
6 6 16 26 36 DEF 4.1
7 7 17 27 37 DEF 6.2
9 9 19 29 39 DEF 3.2
10 10 20 30 40 DEF 12.1
我希望你能看到我在寻找什么。
我尝试使用dplyr执行某些操作：
df %>%
group_by(gene) %>%
group_by(val >= 2.5)
来自例II的数据的结果：
# A tibble: 6 x 7
# Groups: FC >= 2.5 [2]
signal1 signal2 signal3 signal4 gene FC `FC >= 2.5`
<int> <int> <int> <int> <fct> <dbl> <lgl>
1 1 7 13 19 ABC 2.50 T
2 2 8 14 20 ABC 2.40 F
3 3 9 15 21 ABC 2.90 T
4 4 10 16 22 DEF 0.100 F
5 5 11 17 23 DEF 0.400 F
6 6 12 18 24 DEF 4.10 T
现在至少在两次出现时逐一选择我们T的行。在这种情况下，我们没有这种情况......
我将非常感谢你的帮助。
修改
akrun提出的答案可以解决问题： 对于数据集：
signal1 signal2 signal3 signal4 gene val
1 1 11 21 31 ABC 0.5
2 2 12 22 32 ABC 3.2
3 3 13 23 33 ABC 0.9
4 4 14 24 34 ABC 7.1
5 5 15 25 35 ABC 0.4
6 6 16 26 36 DEF 4.1
7 7 17 27 37 DEF 6.2
8 8 18 28 38 DEF 0.2
9 9 19 29 39 DEF 0.2
10 10 20 30 40 DEF 12.1
我希望只有两行DEF编号为6和7。
我们有：
# A tibble: 2 x 6
signal1 signal2 signal3 signal4 gene val
<int> <int> <int> <int> <fct> <dbl>
1 6 16 26 36 DEF 4.10
2 7 17 27 37 DEF 6.20
效果很好！
编辑＃2：
不幸的是我发现了小虫：
对于数据：
signal1 signal2 signal3 signal4 gene val
1 1 11 21 31 ABC 0.5
2 2 12 22 32 ABC 3.2
3 3 13 23 33 ABC 7.9
4 4 14 24 34 DEF 8.1
5 5 15 25 35 DEF 0.4
6 6 16 26 36 DEF 4.1
7 7 17 27 37 GHI 6.0
8 8 18 28 38 GHI 0.2
9 9 19 29 39 GHI 8.2
10 10 20 30 40 JKL 12.1
只应返回第2行和第3行，然后返回：
f1(df, gene, val)
我们有：
# A tibble: 6 x 6
signal1 signal2 signal3 signal4 gene val
<int> <int> <int> <int> <fct> <dbl>
1 2 12 22 32 ABC 3.20
2 3 13 23 33 ABC 7.90
3 4 14 24 34 DEF 8.10
4 6 16 26 36 DEF 4.10
5 7 17 27 37 GHI 6.00
6 9 19 29 39 GHI 8.20
然而你的fisrt代码：
df %>%
group_by(gene, grp = rleid(val >= 2.5)) %>%
filter(val >= 2.5, n() > 1) %>%
ungroup %>%
select(-grp)
返回：
# A tibble: 2 x 6
signal1 signal2 signal3 signal4 gene val
<int> <int> <int> <int> <fct> <dbl>
1 2 12 22 32 ABC 3.20
2 3 13 23 33 ABC 7.90
我认为tidyverse屏蔽了dplyr个函数，并且在R中重新启动会话之后：
数据集：
signal1 <- c(rep(1:10))
signal2 <- c(rep(11:20))
signal3 <- c(rep(21:30))
signal4 <- c(rep(31:40))
val <- c(0.5,3.2,7.9,8.1,4.4,0.1,6.0,0.2,8.2,12.1)
tag <- c('str1','str2','str3','str4','str5','str6','str7','str8','str9','str10')
gene <- c('ABC','ABC','ABC','DEF','DEF','DEF','GHI','GHI','GHI','JKL')
df <- data.frame(signal1,signal2,signal3,signal4,gene,val)
df
signal1 signal2 signal3 signal4 gene val
1 1 11 21 31 ABC 0.5
2 2 12 22 32 ABC 3.2
3 3 13 23 33 ABC 7.9
4 4 14 24 34 DEF 8.1
5 5 15 25 35 DEF 4.4
6 6 16 26 36 DEF 0.1
7 7 17 27 37 GHI 6.0
8 8 18 28 38 GHI 0.2
9 9 19 29 39 GHI 8.2
10 10 20 30 40 JKL 12.1
获得的Restult：
df %>%
group_by(gene, grp = rleid(val >= 2.5)) %>%
filter(val >= 2.5, n() > 1) %>%
ungroup %>%
select(-grp
CORRECT
# A tibble: 4 x 6
signal1 signal2 signal3 signal4 gene val
<int> <int> <int> <int> <fct> <dbl>
1 2 12 22 32 ABC 3.20
2 3 13 23 33 ABC 7.90
3 4 14 24 34 DEF 8.10
4 5 15 25 35 DEF 4.40
通过功能获得的结果：
f1 <- function(dat, grp1, grp2) {
grp1 <- dplyr::enquo(grp1)
grp2 <- dplyr::enquo(grp2)
dat %>%
dplyr::group_by(!! grp1) %>%
dplyr::group_by(grp = data.table::rleid(!!(grp2) >= 2.5), add = TRUE) %>%
dplyr::filter(val >= 2.5, n() > 1) %>%
ungroup %>%
dplyr::select(-grp)
}
# A tibble: 6 x 6
signal1 signal2 signal3 signal4 gene val
<int> <int> <int> <int> <fct> <dbl>
1 2 12 22 32 ABC 3.20
2 3 13 23 33 ABC 7.90
3 4 14 24 34 DEF 8.10
4 5 15 25 35 DEF 4.40
5 7 17 27 37 GHI 6.00
6 9 19 29 39 GHI 8.20
不幸的是，它不正确，GHI中的一行没有任何条纹......
答案 0 :(得分：2)
基于这些示例，我们创建了一个函数来执行filter ing
library(data.table)
library(dplyr)
f1 <- function(dat, grp1, grp2) {
grp1 <- enquo(grp1)
grp2 <- enquo(grp2)
dat %>%
group_by(!! grp1) %>%
group_by(grp = rleid(!!(grp2) >= 2.5), add = TRUE) %>%
filter(val >= 2.5, n() > 1) %>%
ungroup %>%
select(-grp)
}
-example I
f1(df1, gene, val)
# A tibble: 3 x 6
# signal1 signal2 signal3 signal4 gene val
# <int> <int> <int> <int> <chr> <dbl>
#1 1 7 13 19 ABC 2.50
#2 2 8 14 20 ABC 3.20
#3 3 9 15 21 ABC 2.90
-example II
f1(df2, gene, val)
# A tibble: 0 x 6
# ... with 6 variables: signal1 <int>, signal2 <int>, signal3 <int>, signal4 <int>, gene <chr>, val <dbl>
-example III
f1(df3, gene, val)
# A tibble: 4 x 6
# signal1 signal2 signal3 signal4 gene val
# <int> <int> <int> <int> <chr> <dbl>
#1 2 8 14 20 ABC 3.20
#2 3 9 15 21 ABC 2.90
#3 4 10 16 22 DEF 7.10
#4 5 11 17 23 DEF 4.40
-example IV
f1(df4, gene, val)
# A tibble: 7 x 6
# Groups: gene [2]
# signal1 signal2 signal3 signal4 gene val
# <int> <int> <int> <int> <chr> <dbl>
#1 2 12 22 32 ABC 3.20
#2 3 13 23 33 ABC 2.90
#3 4 14 24 34 ABC 7.10
#4 6 16 26 36 DEF 4.10
#5 7 17 27 37 DEF 6.20
#6 9 19 29 39 DEF 3.20
#7 10 20 30 40 DEF 12.1
-example V
f1(df5, gene, val)
# A tibble: 2 x 6
# signal1 signal2 signal3 signal4 gene val
# <int> <int> <int> <int> <chr> <dbl>
#1 6 16 26 36 DEF 4.10
#2 7 17 27 37 DEF 6.20
-example VI
f1(df6, gene, val)
# A tibble: 2 x 6
# signal1 signal2 signal3 signal4 gene val
# <int> <int> <int> <int> <chr> <dbl>
#1 2 12 22 32 ABC 3.20
#2 3 13 23 33 ABC 7.90