R - 从数据框中删除仅在数字列中包含零的行、基本 R 和管道友好方法？答案

【问题标题】：R - Remove rows from dataframe that contain only zeros in numeric columns, base R and pipe-friendly methods?R - 从数据框中删除仅在数字列中包含零的行、基本 R 和管道友好方法？
【发布时间】：2021-08-17 14:26:55
【问题描述】：

我想删除总和为 0 的所有行，但我在前 2 列中有因子列。我想出了一个 dplyr 解决方案，创建一个中间行和列，过滤掉总和为 0 的行，然后删除该行和列。

我想找到一种方法可以在不创建不必要的行和列的情况下使用基本 R 和 dplyr/tidyverse 管道友好方法。肯定有一段简单的单行代码可以实现这一点吗？

library(tidyverse)

df <- data.frame(person = rep(c("Ed", "Sue"), 6),
                id = paste0("plot",1:12),
                a = c(2, 0, 0, 0, 0, 1, 0, 0, 4, 0, 0, 0),
                b = c(0, 0, 6, 4, 0, 8, 1, 0, 0, 0, 1, 1),
                c = c(4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 8),
                d = c(0, 0, 0, 3, 0, 1, 0, 0, 9, 0, 1, 5),
                e = c(7, 0, 5, 0, 0, 1, 0, 0, 0, 0, 7, 0))


##create intermediate 'row.sum' column, filter rows that have all 0's, then remove row.sum column
df1 <- df %>% 
  dplyr::mutate(row.sum = a+b+c+d+e) %>% 
  dplyr::filter(row.sum != 0) %>% 
  dplyr::select(-row.sum)


#end result:
#  person     id a b c d e
#1     Ed  plot1 2 0 4 0 7
#2     Ed  plot3 0 6 0 0 5
#3    Sue  plot4 0 4 0 3 0
#4    Sue  plot6 1 8 0 1 1
#5     Ed  plot7 0 1 0 0 0
#6     Ed  plot9 4 0 0 9 0
#7     Ed plot11 0 1 3 1 7
#8    Sue plot12 0 1 8 5 0

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

这行得通吗：

subset(df, rowSums(df[3:7]) != 0)
   person     id a b c d e
1      Ed  plot1 2 0 4 0 7
3      Ed  plot3 0 6 0 0 5
4     Sue  plot4 0 4 0 3 0
6     Sue  plot6 1 8 0 1 1
7      Ed  plot7 0 1 0 0 0
9      Ed  plot9 4 0 0 9 0
11     Ed plot11 0 1 3 1 7
12    Sue plot12 0 1 8 5 0

【讨论】：

应该可以不用!= 0，因为在 R 中 0 是 FALSE。但是需要强制为逻辑。
您的代码可能最适合基本 R 情况。我还测试了!!rowSums(df[3:7])，它成功了。它可能会在 tidyversians 的头脑中造成混乱，因为 `!!在“rlang”语法中有不同的解释。
@IRTFM 确实如此，但在调用已保存的字符串对象时不是使用 bang bang 运算符吗？ rland 使用不多，但现在!! 不会被{{...}} 取代。
可能是这样，但是我刚才在filter内部尝试时仍然会抛出错误。

【解决方案2】：

dplyr 方法

您只能将 rowSums 应用于数字列，使用 dplyrs filter() 和 across()，以及帮助程序 where(is.numeric)：

library(dplyr)

df%>%filter(rowSums(across(where(is.numeric)))!=0)

  person     id a b c d e
1     Ed  plot1 2 0 4 0 7
2     Ed  plot3 0 6 0 0 5
3    Sue  plot4 0 4 0 3 0
4    Sue  plot6 1 8 0 1 1
5     Ed  plot7 0 1 0 0 0
6     Ed  plot9 4 0 0 9 0
7     Ed plot11 0 1 3 1 7
8    Sue plot12 0 1 8 5 0

如果您的数字列也有负值，则此方法（以及一些依赖于rowSums() 的方法）可能会失败。在这种情况下，我们必须确保只保留至少包含any()非零值的行。这可以通过修改rowSums() 以包含条件.x!=0inside across() 来完成：

df%>%filter(rowSums(across(where(is.numeric), ~.x!=0))>0)

或者用逻辑运算符和Reduce()/reduce()，用下面的代码：

library(dplyr)
library(purrr)

df%>%filter(pmap_lgl(select(., where(is.numeric)), ~any(c(...)!=0)))

#or with purrr:reduce()#

df%>%filter(across(where(is.numeric), ~.x!=0)%>%reduce(`|`))
#or simply
df%>%filter(reduce(across(where(is.numeric), ~.x!=0), `|`))

基础 R 方法

您可以使用带有[ 和sapply(f, is.numeric) 的基本子集来创建逻辑索引以仅选择数字列以提供给不等式运算符!=，然后取最终逻辑矩阵的rowSums()，即创建并仅选择 rowSums >0 的行：

df[rowSums(df[,sapply(df, is.numeric)]!=0)>0,]

编辑

我们可以从对数字向量调用逻辑函数所产生的强制中受益。 as.logical() 会将零评估为 FALSE，并将任何非零数字评估为 TRUE。 x|x 和嵌套的爆炸符号 !(!) 也会这样做。这与将元素与零进行比较的其他解决方案一致，因此比rowSumssolution 更加一致。

一个例子：

vector<-c(0,1,2,-1)
identical(as.logical(vector), vector|vector, vector!=0, !(!vector))

[1] TRUE

考虑到这一点，有一些巧妙的方法可以解决这个问题：

df%>%filter(reduce(across(where(is.numeric), as.logical), `|`))
#or simply
df%>%filter(reduce(across(where(is.numeric)), `|`))
#and with base R:
df[Reduce(`|`, df[sapply(df, is.numeric)]),]

迄今为止最干净的，新的if_any()：

df%>%filter(if_any(where(is.numeric)))

【讨论】：

干得好！这是对此类问题的详尽解释，以供将来参考。
谢谢，亲爱的@Anoushiravan R。我也总是从你的贡献中学到很多东西。
非常感谢。这对我来说是一个很大的乐趣，你真是太好了。事实上，我们都在这里互相学习。

【解决方案3】：

这是基本逻辑和整洁语法的混合体。无可否认，绕过 rlang 的替代语法有点折磨。

df1 <- df %>% filter(!(!rowSums(`[`(.,,3:7))))
> df1
  person     id a b c d e
1     Ed  plot1 2 0 4 0 7
2     Ed  plot3 0 6 0 0 5
3    Sue  plot4 0 4 0 3 0
4    Sue  plot6 1 8 0 1 1
5     Ed  plot7 0 1 0 0 0
6     Ed  plot9 4 0 0 9 0
7     Ed plot11 0 1 3 1 7
8    Sue plot12 0 1 8 5 0

需要用圆括号分隔两个感叹号，因为!!是filter的逻辑环境“rlang”中的不同操作。（请注意，如果可能存在 NA，则 rwoSums 确实有一个 na.rm 参数，并且应该忽略这些参数。

这是一个基本解决方案。 !! 是 != 0 的替代品吗

df1 <- df[ as.logical(rowSums(df[3:7]) ), ]

（我认为坚持!= 0 可能会更好）

【讨论】：

我喜欢这种!(! 方法，但想知道as.logical 是否不会做同样的事情，但具有卓越的可读性
想了想，我认为!= 0 大概是清楚的。我仍然需要!as.logical(.)，这似乎几乎是折磨。
我其实在想df %>% filter(as.logical(rowSums([(.,,3:7))))
查看我的更新答案以了解我的意思。感谢您的讨论，@IRTFM
删除了我的评论。

【解决方案4】：

不使用rowSums的替代方案

刚刚在rowwise filter 中使用all 将所需的值转换为逻辑测试== 0 和cur_data()


library(dplyr)

df %>% rowwise() %>%
  filter(!all(cur_data()[-c(1:2)] == 0))

#> # A tibble: 8 x 7
#> # Rowwise: 
#>   person id         a     b     c     d     e
#>   <chr>  <chr>  <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Ed     plot1      2     0     4     0     7
#> 2 Ed     plot3      0     6     0     0     5
#> 3 Sue    plot4      0     4     0     3     0
#> 4 Sue    plot6      1     8     0     1     1
#> 5 Ed     plot7      0     1     0     0     0
#> 6 Ed     plot9      4     0     0     9     0
#> 7 Ed     plot11     0     1     3     1     7
#> 8 Sue    plot12     0     1     8     5     0

^{由reprex package (v2.0.0) 于 2021 年 5 月 30 日创建}

【讨论】：

【解决方案5】：

我们可以逐行计算行总和并使用slice

library(dplyr)
df %>%
  rowwise() %>% 
  slice(unique(c(which(sum(c_across(where(is.numeric))) != 0))))

输出：

  person id         a     b     c     d     e
  <chr>  <chr>  <dbl> <dbl> <dbl> <dbl> <dbl>
1 Ed     plot1      2     0     4     0     7
2 Ed     plot3      0     6     0     0     5
3 Sue    plot4      0     4     0     3     0
4 Sue    plot6      1     8     0     1     1
5 Ed     plot7      0     1     0     0     0
6 Ed     plot9      4     0     0     9     0
7 Ed     plot11     0     1     3     1     7
8 Sue    plot12     0     1     8     5     0

【讨论】：