具有 2 个条件的子集不适用于哪个功能答案

【问题标题】：Subsetting with 2 conditions not working with which function具有 2 个条件的子集不适用于哪个功能
【发布时间】：2016-11-19 12:56:37
【问题描述】：

我一直试图在 Stackoverflow 上找到类似的问题，但所有类似的问题仍然无法回答我的问题或解决此问题。

我有这个数据集，使用which() 和其他函数，我试图找到两个条件都为真的id。但是，我不知道如何让它在 R 中工作。它要么返回所有 id，要么返回我迄今为止尝试过的空向量。

所以我从我的数据中抽取了 20 个观察结果，仅针对这个问题（实际数据框很大），以生成一个模拟样本来传达我的问题并在 Stackoverflow 上解决它，但我会尝试。

我有这个数据框，我想要严格包含附件 V 和附件 R 的 ID。

df
          id attachment 
271  1000534          V      
372  1000547          V      
1012 1000530          R      
1568 1000539          R     
1095 1000530          R      
185  1000534          V      
1476 1000539          R      
903  1000530          R      
309  1000547          V      
1010 1000530          R      
333  1000547          V      
1094 1000530          R      
1334 1000539          R      
340  1000547          V      
730  1000530          R      
22   1000067          V     
1308 1000533          R      
799  1000530          R      
138  1000533          V      
1161 1000530          R

所以，正如我们所见，id 1000533 同时具有 V 和 R，所以我想要捕获的 id 两者兼有，我尝试了以下选项：

VR <- df[(df$attachment == 'V') & (df$attachment == 'R'),]
VR <- df[(df$attachment == 'V') && (df$attachment == 'R'),]
VR <- df[which(df$attachment == 'V') && which(df$attachment == 'R'),]
VR <- df[which(df$attachment == 'V') & which(df$attachment == 'R'),]

但它们返回一个包含所有 20 个值的数据框。当我打电话时

unique(VR$id)

它从初始数据帧返回所有 id。使用我的实际数据，它会返回一个空数据框，具体取决于我尝试的上述哪种子集尝试，但它永远不会返回我想要的 - 一个只有包含附件 V 和附件 R 的 id（或观察值）的数据框。

我做错了什么以及如何仅提取同时具有 V 和 R 的那些 id？

【问题讨论】：

标签： r conditional subset

【解决方案1】：

由于每个观察只有一个“依恋”级别，因此不可能同时拥有 V 和 R。

由于 ID 在观察中重复，您可以使用 intersect 来实现您想要做的事情：

myIds <- intersect(df$id[df$attachment == "V"], df$id[df$attachment == "R"])

现在 myIds 将存储同时具有 V 和 R 的 id。

myIds
[1] 1000533

在示例中是单个 id。

如果您想要只有 V 附件而不是 R 附件的观察，您可以使用 setdiff 而不是 intersect：

myIds <- setdiff(df$id[df$attachment == "V"], df$id[df$attachment == "R"])

这里要注意的一点是 intersect 是可交换的，因此输入参数的顺序无关紧要。对于setdiff，订单很重要。您可以将顺序解读为参数 1 中不在参数 2 中的元素。

【讨论】：

哇！成功了！我为此苦苦挣扎了很久，非常感谢！我还有一个问题：您会如何建议对 V 附件严格进行子集化？
@Imo 在我的评论中我想问我是否只想要附件 V，df[which(df$attachment == 'V') ,] 就足够了吗？
是的，该代码将为所有观察结果提供一个 V 附件。我添加了一个稍微复杂一点的答案，即所有带有 v 附件但不带有 R 附件的 id。
@Imo 谢谢！所以在setdiff 中，函数内的第一个参数将捕获所有带有 V 的参数，但第二个参数将排除所有同时具有 V 和 R 的参数？跨度>

【解决方案2】：

@Imo 解决方案无疑是最紧凑的。以下是使用reshape2 的变体。它的好处是提供有关每个 ID/附件组合出现多少次的额外信息：

library(reshape2)
output <- dcast(df, id ~ attachment)

output
  id      R V
1 1000067 0 1
2 1000530 8 0
3 1000533 1 1
4 1000534 0 2
5 1000539 3 0
6 1000547 0 4

要查找带有两个附件的 ID：

output$id[output$R != 0 & output$V != 0]
[1] 1000533

查看哪些 ID 有附件 V 而不是 R：

output$id[output$R == 0 & output$V != 0]

查看哪些 ID 有附件 R 而不是 V：

output$id[output$R != 0 & output$V == 0]

【讨论】：

请注意，开头部分本质上是table(df)

【解决方案3】：

这是dplyr的方法

library(dplyr)
df %>%
  group_by(id) %>%
  mutate(a = sort(paste0(unique(attachment), collapse = "")))

返回这个：

        id attachment     a
     <int>     <fctr> <chr>
1  1000534          V     V
2  1000547          V     V
3  1000530          R     R
4  1000539          R     R
5  1000530          R     R
6  1000534          V     V
7  1000539          R     R
8  1000530          R     R
9  1000547          V     V
10 1000530          R     R
11 1000547          V     V
12 1000530          R     R
13 1000539          R     R
14 1000547          V     V
15 1000530          R     R
16 1000067          V     V
17 1000533          R    RV
18 1000530          R     R
19 1000533          V    RV
20 1000530          R     R

现在您可以通过a 列filter 来满足您喜欢的任何条件。在这种情况下，只获取具有V 和R 的ids。

df %>%
  group_by(id) %>%
  mutate(a = sort(paste0(unique(attachment), collapse = ""))) %>%
  filter(a == "RV") %>%
  ungroup() %>%
  distinct(id)

您可以将过滤条件更改为仅查找 V 或其他任何内容。

【讨论】：