根据包含列名的输入向量过滤数据框答案

【问题标题】：Filter dataframe based on input vector containing column names根据包含列名的输入向量过滤数据框
【发布时间】：2019-02-06 05:50:57
【问题描述】：

我有一个如下的数据框

Sol_name    geo_pos     loc_pos     dol_pos    pol_pos   kol_pos

A            1            1          0          0         1
B            0            1          1          0         0
C            1            0          1          1         1
D            0            1          0          0         1

我需要创建一个函数，用户可以在其中将列名输入到向量中，并且数据框将被过滤，其中任何列中的值为 1

示例：如果输入是col_nm = c("geo_pos","dol_pos")，那么我要查找的输出是

Sol_name    geo_pos     loc_pos     dol_pos    pol_pos   kol_pos

A            1            1          0          0         1
B            0            1          1          0         0
C            1            0          1          1         1

有什么有效的方法吗？

数据

df <- read.table(text="Sol_name    geo_pos     loc_pos     dol_pos    pol_pos   kol_pos
A            1            1          0          0         1
B            0            1          1          0         0
C            1            0          1          1         1
D            0            1          0          0         1",h=T)

【问题讨论】：

标签： r dplyr data-manipulation

【解决方案1】：

我们可以在这里有效地使用rowSums 来过滤所选列中至少有一个“1”的行。

get_one_rows <- function(cols) {
    df[rowSums(df[cols] == 1) > 0, ]
}

col_nm = c("geo_pos","dol_pos")
get_one_rows(col_nm)

# Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
#1        A       1       1       0       0       1
#2        B       0       1       1       0       0
#3        C       1       0       1       1       1


col_nm = c("kol_pos")
get_one_rows(col_nm)

#  Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
#1        A       1       1       0       0       1
#3        C       1       0       1       1       1
#4        D       0       1       0       0       1

【讨论】：

【解决方案2】：

随着潮汐：

df %>% filter_at(col_nm,any_vars(.==1))

#  Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
#1        A       1       1       0       0       1
#2        B       0       1       1       0       0
#3        C       1       0       1       1       1

【讨论】：

【解决方案3】：

与plyr:

library(plyr)
unique(ldply(col_nm,.fun = function(x){(df[df[x]==1,])}))

输出：

     Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
1        A       1       1       0       0       1
2        C       1       0       1       1       1
3        B       0       1       1       0       0

或

unique(as.data.frame(do.call(rbind, lapply(col_nm, function(x) df[df[x]==1,]))))

【讨论】：

【解决方案4】：

base R 选项与Reduce

df1[Reduce(`|`, df1[col_nm]),]
#  Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
#1        A       1       1       0       0       1
#2        B       0       1       1       0       0
#3        C       1       0       1       1       1

【讨论】：

【解决方案5】：

你可以使用pmax：

df[as.logical(do.call(pmax,df[col_nm])),]

#   Sol_name geo_pos loc_pos dol_pos pol_pos kol_pos
# 1        A       1       1       0       0       1
# 2        B       0       1       1       0       0
# 3        C       1       0       1       1       1

【讨论】：