Question

我有一个大数据集（超过20万行和一千个试验），其中有四列，并包含以下信息：

“试验” ：序列号）
“ Is.Check” ：一列包含1个支票和0个非支票
“ ID” ：带有支票或单行名称（非支票）的列
“反应” ：响应变量

在每个试验中，我需要知道哪些行（用“ L” +数字”标识）位于支票的最大和较小值之间。例如，在试用版10001中，我有5张支票，最大的是Check 3（反应= 56），较小的Check 1（反应= 50）。我需要知道哪条线停留在这两个值之间（即大于或等于50而小于或等于56）。附上一个小数据集作为示例。在这种情况下，在试验10001中，应选择所有行，“ L3”除外。另一方面，在试用版10002中，较小的Check是Check-1（50），最大的是Check-7（60），因此，仅应选择L3和L9。在每个试验中，“检查”和“反应值”都会发生变化，因此，我需要提取每个试验中最大和较小检查之间的值的行。

Trials  Is.Check     ID       Reaction
10001   1            Check-1  50
10001   0            L1       50
10001   0            L2       50
10001   0            L10      50
10001   0            L9       50
10001   0            L6       50
10001   0            L3       48
10001   0            L4       50
10001   0            L8       50
10001   1            Check-5  52
10001   0            L7       50
10001   1            Check-2  52
10001   1            Check-4  54
10001   0            L5       52
10001   1            Check-3  56
10002   1            Check-1  50
10002   0            L1       48
10002   0            L2       48
10002   0            L3       54
10002   0            L4       64
10002   0            L5       64
10002   0            L6       62
10002   0            L7       62
10002   0            L8       70
10002   0            L9       52
10002   1            Check-7  60
10002   1            Check-2  54
10002   1            Check-6  56
10002   1            Check-3  54

Answer 1

第一步，您要根据试验拆分data.frame：

splitted <- split(dataset, dataset$Trials)

然后，对于每个元素，我们选择所有符合2个条件的非检查元素：>=是最小的检查，而<=是最大的检查。而且我们需要对splitted中的每个子数据框架执行此操作，因此我们使用lapply将函数应用于每个子数据框架：

selection <- lapply(splitted, function(subdf) {
  subdf[subdf$Is.Check==0 &
        subdf$Reaction >= min(subdf$Reaction[subdf$Is.Check==1]) &
        subdf$Reaction <= max(subdf$Reaction[subdf$Is.Check==1])
       ,]

}）

选择现在是一个列表，其中包含每个试验的正确非检查选项。如果要将这些选择重新组合为一个大data.frame，可以使用bind_rows软件包中的dplyr

install.packages('dplyr') # If you don't have it yet
Fullselection <- dplyr::bind_rows(selection)

如果由于某种原因您无法安装dplyr，则do.call(rbind, selection)也可以工作（但速度较慢，并且代码较丑。）

如何提取数据集的特定间隔？

1 个答案: