Question

当它们出现在同一团队的所有方法中时，我想用零值过滤掉行。

例如，在team One以下的情况下，错误为零，因此需要删除第1,4和7行。因此，如果在特定alpha=beta=gamma=0中的team，则应删除那些零的行。

+----+-------+-------+--------+
| id | team  | error | method |
+----+-------+-------+--------+
|  1 | One   |     0 | alpha  |
|  2 | Two   |   5.7 | alpha  |
|  3 | Three |     0 | alpha  |
|  4 | One   |     0 | beta   |
|  5 | Two   |     0 | beta   |
|  6 | Three |     0 | beta   |
|  7 | One   |     0 | gamma  |
|  8 | Two   |     0 | gamma  |
|  9 | Three |   6.7 | gamma  |
+----+-------+-------+--------+

结果表应为：

+----+-------+-------+--------+
| id | team  | error | method |
+----+-------+-------+--------+
|  2 | Two   |   5.7 | alpha  |
|  3 | Three |     0 | alpha  |
|  5 | Two   |     0 | beta   |
|  6 | Three |     0 | beta   |
|  8 | Two   |     0 | gamma  |
|  9 | Three |   6.7 | gamma  |
+----+-------+-------+--------+

Answer 1

假设初始数据帧为df，则过滤error组中的任何team是否为非零：

library(dplyr)
df %>% group_by(team) %>% 
       filter(any(error!=0))

Answer 2

按“团队”分组后，我们可以检查逻辑向量（sum）的error != 0是否大于0，即至少一个非零元素

library(dplyr)
df %>% 
   group_by(team) %>% 
   filter(sum(error !=0 ) > 0)

或与==

一起使用逻辑

df %>%
   group_by(team) %>%
   filter(sum(error == 0) < n())

数据

df <- structure(list(id = 1:9, team = c("One", "Two", "Three", "One", 
 "Two", "Three", "One", "Two", "Three"), error = c(0, 5.7, 0, 
 0, 0, 0, 0, 0, 6.7), method = c("alpha", "alpha", "alpha", "beta", 
 "beta", "beta", "gamma", "gamma", "gamma")), class = "data.frame", 
 row.names = c(NA, -9L))

Answer 3

使用基数r的简短方法：

subset(df, ave(error, team)!=0)

这会过滤出所有平均误差等于零的team ...例如，如果error可以为负值（例如c(-1, -2, 3) ）。

所以更普遍的情况是

subset(df, !ave(error, team, FUN=function(x) all(x==0)))

..或使用akrun回答中的想法：

subset(df, ave(error %in% 0, team) < 1)

当因子的所有级别都显示为零时，删除列上具有零值的行

3 个答案:

数据