R中跨多个列的简洁子集

Question

假设我有一个庞大的数据框，并且在多个列中我有一个非常大的唯一代码列表，我想使用这些代码来选择某些行来子集原始数据框。大约有 1000 个代码，我希望所有代码都遵循。例如，我有大约 30 列包含代码，我只想在这些列中的任何一个中获取代码为 100 到 120 的行。

要做到这一点还有很长的路要走，就像

new_dat <- df[which(df$codes==100 | df$codes==101 | df$codes1==100 

我对每个可能包含这些代码的列的每个可能的代码重复此操作。有没有更方便的方式来做到这一点？

我想尝试使用dplyr 的select 函数解决这个问题，但我无法确定它是否适用于我的情况

获取iris 数据集

假设我想要在列名中包含单词 Sepal 的任何列中包含值 4.0-5.0 的所有行。

#this only goes for 4.0

brand_new_df <- select(filter(iris, Sepal.Length ==4.0 | Sepal.Width == 4.0))

但我想要的是类似

brand_new_df <- select(filter(iris, contains(Sepal) == 4.0:5.0))

有没有 dplyr 方法可以做到这一点？

Answer 1

@RonakShah 的回答中对应的across() 版本：

library(dplyr)

iris %>% filter(rowSums(across(contains('Sepal'), ~ between(., 4, 5))) > 0)

或

iris %>% filter(rowSums(across(contains('Sepal'), between, 4, 5)) > 0)

来自vignette("colwise")：

以前，filter() 与 all_vars() 和 any_vars() 助手配对。现在，across() 等同于 all_vars()，并且没有直接替代 any_vars()。

所以你需要rowSums(...) > 0之类的东西来达到any_vars()的效果。

Answer 2

你可以使用filter_at：

library(dplyr)
iris %>%  filter_at(vars(contains('Sepal')), any_vars(between(., 4, 5)))

#   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
#1           4.9         3.0          1.4         0.2     setosa
#2           4.7         3.2          1.3         0.2     setosa
#3           4.6         3.1          1.5         0.2     setosa
#4           5.0         3.6          1.4         0.2     setosa
#5           4.6         3.4          1.4         0.3     setosa
#6           5.0         3.4          1.5         0.2     setosa
#7           4.4         2.9          1.4         0.2     setosa
#....

Answer 3

基础R：

# Subset: 
cols <- grep("codes", names(df2), value = TRUE)
df2[rowSums(sapply(cols,
                   function(x) {
                     df2[, x] >= 100 & df2[, x] <= 120
                   })) == length(cols), ]
# Data: 
tmp <- data.frame(x1 <- rnorm(999, mean = 100, sd = 2))
df <-
  setNames(data.frame(tmp[rep(1, each = 80)]), paste0("codes", 1:80))
df2 <- cbind(id = 1:nrow(df), df)

Answer 4

一个选项可能是：

iris %>%
 filter(Reduce(`|`, across(contains("Sepal"), ~ between(.x, 4, 5))))

   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1           4.9         3.0          1.4         0.2       1
2           4.7         3.2          1.3         0.2       1
3           4.6         3.1          1.5         0.2       1
4           5.0         3.6          1.4         0.2       1
5           4.6         3.4          1.4         0.3       1
6           5.0         3.4          1.5         0.2       1
7           4.4         2.9          1.4         0.2       1
8           4.9         3.1          1.5         0.1       1
9           4.8         3.4          1.6         0.2       1
10          4.8         3.0          1.4         0.1       1

Answer 5

library(dplyr)
df <- iris
# value to look for
val <- 4 
# find columns
cols <- which(colSums(df == val , na.rm = TRUE) > 0L)
# filter rows
iris %>%  filter_at(cols, any_vars(.==val))
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          5.8         4.0          1.2         0.2     setosa
2          5.5         2.3          4.0         1.3 versicolor
3          6.0         2.2          4.0         1.0 versicolor
4          6.1         2.8          4.0         1.3 versicolor
5          5.5         2.5          4.0         1.3 versicolor
6          5.8         2.6          4.0         1.2 versicolor