如何遍历多个变量并过滤数据以产生多个数据帧？

Question

我有一个大约 1000 行的数据框 df，其中包含以下列：

df$ID<- c("ab11", "ab12" ...) #about 1000 rows
df$ID1<-numbers ranging from 1 to 20k # for all intense and purposes this can be treated as class 'factor'
df$Acol<- #numbers ranging from 1 to 1000
df$Bcol<- #numbers ranging from 0 to 1

以下列表在每个列表中为我提供了 12 个值：

A<- seq(50,600,by=50)
B<- seq(0.2,1,by=0.75)

我正在尝试做两件事：

1. 我想通过使用列表 A 和 B 的各种组合过滤原始数据集来创建数据帧。所以 144 个数据帧。
2. 拥有这些数据帧后，我想一次组合 3 个数据帧，看看 ID 的频率是否与主数据帧 x 匹配，如果匹配，则获取匹配数据帧的组合信息。

所以对于 1，这是我的方法：

df_50_0.2<-subset(df, df$Acol>=50 & df$Bcol>=0.2)

我不能把它写出 144 次——我需要一个循环。我尝试了嵌套循环，但这并没有给我 A 和 B 的所有组合，所以我尝试了一个 while 循环。

这是我的代码：

i<-50
while (i<550) {
   for (j in B) {
      assign(paste("df","_",as.character(i),"_",as.character(j)), df %>% 
      filter (Acol>=i) %>% 
      filter(Bcol>=j),envir=.GlobalEnv
   i<-i+50
  }}   

这给了我想要的结果，除了它没有根据 B 拆分数据帧。所以输出类似于我刚刚过滤具有 A 值的数据时的输出。

对于第二部分，我需要一次遍历三个数据帧的所有可能组合。这是我的代码：

df.final<-rbind (df_50_0.2,df_100_0.25,df_150_0.5)
tmp<-subset(table(df.final$ID),!(table(df.final$ID) %in% table(x$ID))

我希望上述内容处于循环状态。如果 tmp 有任何值，我不希望它成为输出。如果为 0，即与主数据帧 x 中的 ID 频率完美匹配，我希望将其写入。所以像下面这样的循环？我希望迭代检查所有可能的组合，以得出与主数据帧 x ID 频率完美匹配的组合：

if tmp = NULL
tmp
else rm(tmp)

非常感谢任何帮助。也欢迎提供 python 解决方案！

以下链接中提供但针对两列进行修改的解决方案可能会有所帮助Filter loop to create multiple data frames

Answer 1

这不是一个完整的答案，但它代表了思考问题的不同方式。首先，我们需要一个可重现的样本。我将省略您的前两列，但修改示例以包含它们并不难。

set.seed(42)
df <- data.frame(A=runif(200) * 1000 + 1, B=runif(200))
Aint <- seq(50, 600, by=50)
Bint <- seq(0.2, 1, by=0.05)
comb <- expand.grid(Aint=Aint, Bint=Bint)

这为您提供了一个包含 200 个观察值和 A 列和 B 列的数据框。然后我们创建区间（称为 Aint 和 Bint，因此我们不会将它们与 df$A 和 df$B 混淆。下一个行创建这些间隔的所有可能组合 - 204（不是 144，因为 Bint 有 17 个值）。

现在我们需要定义您的组并为每个组生成标签：

groups <- apply(comb, 1, function(x)   df$A > x[1] & df$B > x[2])
labels <- paste("df", comb[, 1], comb[, 2], sep="_")

groups 是一个 200 x 204 的逻辑矩阵，因此每一列都定义了一个比较。这 第一组定义为df[groups[, 1], ]，第二组定义为df[groups[, 2], ]。这些比较的标签是labels[1] 和labels[2]。

由于您的组是重叠的，下一步将在每组三个中创建多个数据副本。 204组的组合数，一次取3个，为1,394,204。下面生成代码来创建 3 个数据帧的不同组合：

allcombos <- combn(204, 3, simplify=TRUE)
for (i in 1:5) {
    dfno <- allcombos[, i]
    df.final <- rbind(df[groups[, dfno[1]], ], df[groups[, dfno[2]], ], df[groups[, dfno[3]], ])
    lbl <- labels[dfno]
    
}

下一步涉及subset(table(df.final$ID),!(table(df.final$ID) %in% table(x$ID))，但该行不符合您的建议。它创建了每个 ID 在df.final 中出现的次数的频率表和主数据框x 的表。 %in% 语句处理df.final 中的每个频率，并检查它是否与master 中ANY ID 的频率匹配。所以我没有包含将当前df.final 写入列表的逻辑语句或代码。