基于R中列内因子水平的分层偏好的子集数据框答案

【问题标题】：subset dataframe based on hierarchical preference of factor levels within column in R基于R中列内因子水平的分层偏好的子集数据框
【发布时间】：2020-09-12 04:51:06
【问题描述】：

我有一个数据框，我想根据列中因子级别的分层偏好对其进行子集化。通过以下示例，我想展示每个级别的“ID”我只想选择一个“方法”。具体来说，如果可能保留 CACL，如果此级别不存在 CACL，则为“KCL”子集，如果不存在，则为“H2O”子集。

ID<-c(1,1,1,2,2,3)
method<-c("CACL","KCL","H2O","H2O","KCL","H2O")
df1<-data.frame(ID,method)

  ID  method
1  1    CACL
2  1     KCL
3  1     H2O
4  2     H2O
5  2     KCL
6  3     H2O

ID<-c(1,2,3)
method<-c("CACL","KCL","H2O")
df2<-data.frame(ID,method)

  ID  method
1  1    CACL
2  2     KCL
3  3     H2O

我通过选择关卡中的最小数量来完成类似的子集设置，但我无法调整它。我想知道我是否也应该在这里使用 ifelse？

#if present, choose rows containing "number" 2 instead of 1 (this column contained only the two numbers 1 and 2)

library(dplyr)
new<-df %>%
group_by(col1,col2,col3) %>%
summarize(number = ifelse(any(number > 1), min(number[number>1]),1))
dfnew<-merge(new,df,by=c("colxyz","number"),all.x=T)

【问题讨论】：

标签： r dataframe subset

【解决方案1】：

您可以将order 与match 一起使用，然后简单地使用!duplicated：

df1 <- df1[order(match(df1$method, c("CACL","KCL","H2O"))),]
df1[!duplicated(df1$ID),]
#  ID method
#1  1   CACL
#5  2    KCL
#6  3    H2O

#Variant not changing df1
i <- order(match(df1$method, c("CACL","KCL","H2O")))
df1[i[!duplicated(df1$ID[i])],]

【讨论】：

【解决方案2】：

使用dplyr的选项：

df1 %>% 
  mutate(preference = match(method,  c("CACL","KCL","H2O"))) %>% 
  group_by(ID) %>% 
  filter(preference == min(preference)) %>% 
  select(-preference)

# A tibble: 3 x 2
# Groups:   ID [3]
     ID method
  <dbl> <fct> 
1     1 CACL  
2     2 KCL   
3     3 H2O

【讨论】：