按 R 中 2 列中的条件过滤（子集）（dplyr 或其他）答案

【问题标题】：Filter (subset) by conditions in 2 columns in R (dplyr or otherwise)按 R 中 2 列中的条件过滤（子集）（dplyr 或其他）
【发布时间】：2018-01-24 20:30:11
【问题描述】：

给定一个数据集，例如：

set.seed(134)
df<- data.frame(ID= rep(LETTERS[1:5], each=2),
           condition=rep(0:1, 5),
           value=rpois(10, 3)
           )
df

       ID condition value
1   A         0     2
2   A         1     3
3   B         0     5
4   B         1     2
5   C         0     3
6   C         1     1
7   D         0     2
8   D         1     4
9   E         0     1
10  E         1     5

对于每个 ID，当 condition==0 的值小于 condition==1 的值时，我想保留两个观察值。当条件==0 的值大于条件==1 时，我只想保留条件==0 的行。

返回的子集应该是这样的：

 ID condition value
1   A         0     2
2   A         1     3
3   B         0     5
5   C         0     3
7   D         0     2
8   D         1     4
9   E         0     1
10  E         1     5

使用 dplyr 的第一步是：

df %>% group_by(ID) %>%

但不知道从那里去哪里。

【问题讨论】：

标签： r dplyr subset

【解决方案1】：

按字面意思翻译，

library(dplyr)
set.seed(134)

df <- data.frame(ID = rep(LETTERS[1:5], each = 2),
                 condition = rep(0:1, 5),
                 value = rpois(10, 3))

df %>% group_by(ID) %>% 
    filter(condition == 0 | 
               (condition == 1 & value > value[condition == 0]))
#> # A tibble: 8 x 3
#> # Groups: ID [5]
#>   ID    condition value
#>   <fct>     <int> <int>
#> 1 A             0     2
#> 2 A             1     3
#> 3 B             0     5
#> 4 C             0     3
#> 5 D             0     2
#> 6 D             1     4
#> 7 E             0     1
#> 8 E             1     5

这取决于每个组对condition == 0 的单一观察，但除此之外应该相当稳健。

【讨论】：

谢谢 - 这是最简单和最强大的解决方案......特别是，拥有“子条件”的能力......| (condition == 1 & value > value[condition == 0])是我不知道的部分。

【解决方案2】：

这可能不是最简单的方法，但应该可以按您的意愿工作。

library(reshape2)
df %>% 
    dcast(ID ~ condition, value.var = 'value') %>% # cast to wide format
    mutate(`1` = ifelse(`1` > `0`, `1`, NA)) %>% # turn 0>1 values as NA
    melt('ID') %>% # melt as long format
    arrange(ID) %>% # sort by ID
    filter(complete.cases(.)) # remove NA rows

输出：

ID variable value
1  A        0     2
2  A        1     3
3  B        0     5
4  C        0     3
5  D        0     2
6  D        1     4
7  E        0     1
8  E        1     5

【讨论】：

谢谢。这行得通，我曾考虑重塑数据以解决问题，但希望得到更直接、更有效的方法，正如@alistaire 提供的那样。

【解决方案3】：

您总是需要每个组中第一行的值。如果每个组中第二行的值大于第一行，您只需要它。

这有效：

df %>% 
  group_by(ID) %>% 
  filter(row_number() == 1 | value > lag(value))

编辑：正如@alistaire 指出的那样，此方法取决于特定的顺序，这可能是一个好主意，可以保证如下：

df %>% 
  arrange(ID, condition) %>%
  group_by(ID) %>% 
  filter(row_number() == 1 | value > lag(value))

【讨论】：

lag 的使用取决于未明确设置的行顺序。事先使用arrange，这可能没问题。
@ngm 谢谢。我应该提供一个更真实的示例数据集，因为这个解决方案过于具体，无法应用于我的真实数据（它有 >2 个条件，其中一些条件每个 ID 可能发生 >1 次）