分组然后过滤数据答案

【问题标题】：Grouping and then filtering data分组然后过滤数据
【发布时间】：2014-10-23 03:03:18
【问题描述】：

我有以下df：

  A B C D E F
1 8 0 0 0 0 0
2 2 1 5 7 1 2
3 1 0 0 2 1 0
4 6 0 0 0 0 2

我想首先将数据分为 2 组，每组有 3 个重复，例如A:C 是一组，D:F 是第二组。

然后，我想在任一组中的至少 2 个复制/列中排除值 = 0 的任何行。所以我应该取回以下df：

  A B C D E F
1 2 1 5 7 1 2
2 1 0 0 2 1 0

任何帮助将不胜感激！

【问题讨论】：

你的结果 df 对我来说没有意义。它在第二行有两个零，列 A:C
人们对“each”、“either”、“both”的使用常常与我对它们的逻辑含义的理解不同。

标签： r filter grouping

【解决方案1】：

如果您有 2 个以上的组，您可以这样做：

 N <- ncol(dat)
 indx <- Reduce(`|`,
          lapply(seq(1,N, by=3), function(i) rowSums(!dat[i:(i+2)])<2) )
 dat[indx,]
 #  A B C D E F
 #2 2 1 5 7 1 2
 #3 1 0 0 2 1 0

【讨论】：

【解决方案2】：

试试：

ddf = structure(list(A = c(8L, 2L, 1L, 6L), B = c(0L, 1L, 0L, 0L), 
    C = c(0L, 5L, 0L, 0L), D = c(0L, 7L, 2L, 0L), E = c(0L, 1L, 
    1L, 0L), F = c(0L, 2L, 0L, 2L)), .Names = c("A", "B", "C", 
"D", "E", "F"), class = "data.frame", row.names = c(NA, -4L))

df1 = ddf[,1:3]
df2 = ddf[,4:6]

ddf[which(rowSums(df2==0)<2 & rowSums(df1==0)<2),]
  A B C D E F
2 2 1 5 7 1 2

您的标准是：“然后，我想排除任一组中至少 2 个重复/列中值 = 0 的任何行。” 因此只有一行满足这个标准。您自己的答案中的第二行（1 0 0 2 1 0）不满足这个标准，因为这里的第一组有 2 个零 (1 0 0)。

【讨论】：

【解决方案3】：

我的解释是：

> dat[ rowSums(dat[1:3]==0)<2 | rowSums(dat[4:6]==0)<2 , ]
  A B C D E F
2 2 1 5 7 1 2
3 1 0 0 2 1 0

这是字面的音译（逻辑上应该是一样的）：

> dat[ !( rowSums(dat[1:3]==0)>=2 & rowSums(dat[4:6]==0)>=2) , ]
  A B C D E F
2 2 1 5 7 1 2
3 1 0 0 2 1 0

【讨论】：