如何根据 R 中一列的值子集/拆分此表？答案

【问题标题】：How do I subset/split this table bases on the values of one column in R?如何根据 R 中一列的值子集/拆分此表？
【发布时间】：2014-12-01 19:59:13
【问题描述】：

数据可以在这里找到：https://www.dropbox.com/s/l7pc11hhiwr8zzn/data.csv?dl=0，或者在图书馆 MASS 中作为nlschools。

我想根据 nlschools$SES 的值拆分此表，将表划分为 nlschools$SES 为 <=30、30 < SES <= 40 和 > 40 的表，并保留所有列。

我曾尝试使用像 0:30 这样的间隔使用 cut，但结果非常混乱，并且没有完整的列集。

我希望我想要达到的目标描述得足够清楚。

【问题讨论】：

@akrun 这是非常基本的，显然是错误的； 'sesLOW dropbox.com/s/v7n6c9sg9ca0iwi/akrun.csv?dl=0，其中每个索引现在只有 (-Inf, 30)、(30,40) 或 (40, Inf) 的值
是的，我的意图是拆分整个数据集，保留所有列，并将其拆分为三个单独的数据集，例如使用sesLOW 将产生完整的表格，但仅限于具有 nlschools$SES

标签： r statistics

【解决方案1】：

试试这个：

indx <- with(nlschools,cut(SES, c(-Inf, 30, 40, Inf)))
lst <- split(nlschools, indx)
    
lapply(lst, head,2)
#$`(-Inf,30]`
#  lang   IQ class GS SES COMB
#1   46 15.0   180 29  23    0
#2   45 14.5   180 29  10    0

#$`(30,40]`
#  lang   IQ class GS SES COMB
#37   39 11.0  1082 25  33    1
#39   43 10.5  1280 31  33    1

#$`(40, Inf]`
#  lang IQ class GS SES COMB
#49   31  9  1280 31  50    1
#71   45 15  1880 28  50    0

如果您需要它作为单独的数据集：

list2env(setNames(lst, c("sesLOW", "sesMED", "sesHIGH")), envir=.GlobalEnv)
# <environment: R_GlobalEnv>


head(sesLOW,3)
#  lang   IQ class GS SES COMB.
#1   46 15.0   180 29  23    0
#2   45 14.5   180 29  10    0
#3   33  9.5   180 29  15    0

使用@Ujjwal 的帖子检查结果

identical(sesLOW, one)
#[1] TRUE

identical(sesMED, two)
#[1] TRUE

identical(sesHIGH, three)
#[1] TRUE

但是，在列表中进行所有分析/计算要比作为单独的数据集更容易。即使您可以使用lapply 和write.table/write.csv 等单独保存列表元素

更新

如果您想在list 中创建一个新列

names(lst) <- c("low","med", "high")#no need to rename the list elements though. You can directly use it as a vector in the `Map`
lst2 <- Map(function(x, y) {x[,"SEScat"] <- y;x }, lst, names(lst))
lapply(lst2, head,2)
#$low
#  lang   IQ class GS SES COMB SEScat
#1   46 15.0   180 29  23    0    low
#2   45 14.5   180 29  10    0    low

#$med
#  lang   IQ class GS SES COMB SEScat
#37   39 11.0  1082 25  33    1    med
#39   43 10.5  1280 31  33    1    med

#$high
#  lang IQ class GS SES COMB SEScat
#49   31  9  1280 31  50    1   high
#71   45 15  1880 28  50    0   high

【讨论】：

谢谢。我可以理解在列表中进行分析更容易。例如，如果我希望创建一个额外的列，其中低、中、高遵循先前的阈值（nlschools$SEScat <- (pseudo: low if SES <=30, med if 30 < SES <=40, high if SES > 40) 之类的东西？

【解决方案2】：

试试：

one<-subset(nlschools, nlschools$SES <=30)
two<-subset(nlschools, nlschools$SES >30 &  nlschools$SES<=40)
three<-subset(nlschools, nlschools$SES >40)

【讨论】：

【解决方案3】：

回复您对@akrun 的评论，请尝试：

> ddf$SEScat = with(ddf, ifelse(SES<=30,'low', ifelse(SES<=40, 'med', 'high')))
> ll = split(ddf, ddf$SEScat)

> head(ll[[1]])
      X lang   IQ class GS SES COMB SEScat
49   49   31  9.0  1280 31  50    1   high
71   71   45 15.0  1880 28  50    0   high
82   82   47 12.0  1880 28  50    0   high
85   85   33 13.0  1880 28  50    0   high
90   90   31 10.5  1880 28  50    0   high
145 145   50 13.5  2680 21  45    0   high
> head(ll[[2]])
  X lang   IQ class GS SES COMB SEScat
1 1   46 15.0   180 29  23    0    low
2 2   45 14.5   180 29  10    0    low
3 3   33  9.5   180 29  15    0    low
4 4   46 11.0   180 29  23    0    low
5 5   20  8.0   180 29  10    0    low
6 6   30  9.5   180 29  10    0    low
> head(ll[[3]])
    X lang   IQ class GS SES COMB SEScat
37 37   39 11.0  1082 25  33    1    med
39 39   43 10.5  1280 31  33    1    med
40 40   25  8.5  1280 31  33    1    med
42 42   41 11.0  1280 31  37    1    med
45 45   21  9.5  1280 31  40    1    med
52 52   29  8.5  1280 31  40    1    med

【讨论】：