R dplyr::按组和数字向量过滤数据帧？答案

【问题标题】：R dplyr::Filter dataframe by group and numeric vector?R dplyr::按组和数字向量过滤数据帧？
【发布时间】：2020-02-18 09:39:53
【问题描述】：

我有数据框df1 包含数据和组，df2 存储相同的组，每个组一个值。

我想通过df2 过滤df1 的行，其中lag 按组高于指示值。

虚拟示例：

  # identify the first year of disturbance by lag by group
df1 <- data.frame(year = c(1:4, 1:4),
                 mort = c(5,16,40,4,5,6,10,108),
                 distance = rep(c("a", "b"), each = 4)) 


df2 = data.frame(distance = c("a", "b"),
                       my.median = c(12,1))

现在计算值之间的滞后（创建新列）并根据df2 的列值过滤df1：

# calculate lag between years
df1 %>% 
  group_by(distance) %>% 
  dplyr::mutate(yearLag  = mort - lag(mort, default = 0)) %>% 
  filter(yearLag > df2$my.median)  ##

但这不会产生预期的结果：

# A tibble: 3 x 4
# Groups:   distance [2]
   year  mort distance yearLag
  <int> <dbl> <fct>      <dbl>
1     2    16 a             11
2     3    40 a             24
3     4   108 b             98

相反，我希望得到：

# A tibble: 3 x 4
# Groups:   distance [2]
   year  mort distance yearLag
  <int> <dbl> <fct>      <dbl>
1     3    40 a             24
2     1     5 b              5
3     3    10 b              4

filter 在应用于单个值时效果很好，但如何使其适应向量，尤其是组向量（因为元素的顺序可能会改变？）

【问题讨论】：

为什么没有选中b组mort=108的行？
正如您所指出的，您所做的过滤不会以行方式处理来自 df2 的 row.median，而是仅使用第一个值 (12)。因此，您应该遵循 Aron 的回答。

标签： r dataframe dplyr

【解决方案1】：

这是你想要做的吗？

df1 %>% 
  group_by(distance) %>% 
  dplyr::mutate(yearLag  = mort - lag(mort, default = 0)) %>% 
  left_join(df2) %>%
  filter(yearLag > my.median)

结果：

# A tibble: 4 x 5
# Groups:   distance [2]
   year  mort distance yearLag my.median
  <int> <dbl> <fct>      <dbl>     <dbl>
1     3    40 a             24        12
2     1     5 b              5         1
3     3    10 b              4         1
4     4   108 b             98         1

【讨论】：

【解决方案2】：

这是data.table 方法

library( data.table )
#creatae data.tables 
setDT(df1);setDT(df2)
#create yearLag variable
df1[, yearLag := mort - shift( mort, type = "lag", fill = 0 ), by = .(distance) ]
#update join and filter wanted rows
df1[ df2, median.value := i.my.median, on = .(distance)][ yearLag > median.value, ][]

#    year mort distance yearLag median.value
# 1:    3   40        a      24           12
# 2:    1    5        b       5            1
# 3:    3   10        b       4            1
# 4:    4  108        b      98            1

【讨论】：

【解决方案3】：

得出了同样的结论。你应该 left_join 数据框。

df1 %>% left_join(df2, by="distance") %>% 
  group_by(distance) %>% 
  dplyr::mutate(yearLag  = mort - lag(mort, default = 0)) %>% 
  filter(yearLag > my.median)

# A tibble: 4 x 5
# Groups:   distance [2]
   year  mort distance my.median yearLag
  <int> <dbl> <fct>        <dbl>   <dbl>
1     3    40 a               12      24
2     1     5 b                1       5
3     3    10 b                1       4
4     4   108 b                1      98

【讨论】：