R：为每列过滤具有设定数量值的行答案

【问题标题】：R: Filter rows with set number of values for each columnR：为每列过滤具有设定数量值的行
【发布时间】：2021-09-21 16:01:30
【问题描述】：

我有一个非常大的数据框，其中包含 2 个具有感兴趣值的重要列，目前用逗号分隔。

例如：

ID    Data1      Data2
1     12,5,6     1
2     3, 4       
3     70, 20     10
4     80         35, 40, 30
5     50, 15     90

“12,5,6”在R中读作一个字符。

我需要对数据进行子集化，以仅获取具有 2 个“Data1”值和 1 个“Data2”值的行。在此示例中，将过滤 ID 3 和 5。

有人对此有什么好的建议吗？

我曾想过使用 tidyr 的“分离”功能对列进行单独排序并用逗号分隔，但这会涉及很多复杂的来回操作，然后我需要在最后将它们与相应的组合ID。

【问题讨论】：

标签： r dataframe split subset

【解决方案1】：

也许并不简单，但应该可以：

library(dplyr)

data = data %>% filter((Data1!="") & (Data2!=""))%>%
  subset( (str_count(Data1, pattern=",")==1) & (str_count(Data2, pattern=","))==0)

首先我删除包含空数据的行，然后将数据 1 中包含 1 个逗号的行（对应于 2 个数字）和数据 2 中包含 0 个逗号的行（对应于 1 个数字）进行子集化

【讨论】：

您可以将所有内容放入您的 filter-function: filter(str_count(Data1, ",") == 1, str_count(Data2, ",") == 0, !is.na(Data1), !is.na(Data2)) 或类似的表达式中。

【解决方案2】：

你可以用逗号分割字符串并计算长度。

result <- subset(df, lengths(strsplit(Data1, ',\\s*')) == 2 & 
                     lengths(strsplit(Data2, ',\\s*')) == 1)
result

#  ID Data1 Data2
#3  3 70,20    10
#5  5 50,15    90

【讨论】：

【解决方案3】：

我们可以删除'Data1'、'Data1'列中除,以外的字符，得到,和nchar的计数来构造subsetting的逻辑向量

subset(data, nchar(gsub("[^,]+", "", Data1)) == 1 &
      nchar(gsub("[^,]+", "", Data2)) == 0)

-输出

 ID  Data1 Data2
3  3 70, 20    10
5  5 50, 15    90

数据

data <- structure(list(ID = 1:5, Data1 = c("12,5,6", "3, 4", "70, 20", 
"80", "50, 15"), Data2 = c("1", NA, "10", "35, 40, 30", "90")), 
   class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：