将 dplyr 与 group_by 一起使用并使用分类变量进行过滤

Question

对 R 非常陌生。 我有一个基于文本的大型 df，我想执行一些检查。 我想检查一个向量中的哪些变量（“颜色”）在另一个向量中有两个不同的变量（“a”和“b”）。这应该是 AND 而不是 OR 类型的查询。 df 是这样的

数据

structure(list(colour = c("blue", "blue", "red", "red", "red", 
"purple", "purple"), letter = c("a", "c", "a", "m", "b", "a", 
"b")), class = "data.frame", row.names = c(NA, -7L))

colour letter
blue   a
blue   c
red    a
red    m
red    b
purple a
purple b

我认为最好的方法是进行子集化，这样我就可以得到一个包含相关数据的新 df ('df2')，它应该如下所示：

colour letter
red    a
red    b
purple a
purple b

我尝试了以下 dplyr 命令，但没有得到正确的结果（'blue a' 仍然存在）。

df2<-df%>%group_by(colour)%>%filter(letter %in% c('a','b'))

如果能得到任何帮助，我将不胜感激！

Answer 1

letter %in% c('a', 'b') 检查每个字母 以查看它是否在集合 {a, b} 中（也就是说，对于每个 a 的字母，它将返回 true 或 b)，并保留它们。您要做的是检查组中是否有a和组中的b：

df %>% 
  group_by(colour) %>% 
  filter('a' %in% letter & 'b' %in% letter)

## or, if you have more than a couple letters (maybe a vector of letters)
df %>% 
  group_by(colour) %>% 
  filter(all(c('a', 'b') %in% letter))

从您的文本或示例中不清楚如果一个组包含a、b 和另一个字母，例如c，应该发生什么。只要其中有a 和b，上面的代码就会保留整个组。

如果您只想保留组的a 和b 字母（如果有更多），请保留您拥有的过滤条件：

... filter(all(c('a', 'b') %in% letter), letter %in% c('a', 'b'))

如果您只想保留具有 a 和 b 且没有其他字母的组，那么我会这样做：

... filter(all(c('a', 'b') %in% letter) & n_distinct(letter) == 2)
## another alternative
... filter(all(c('a', 'b') %in% letter) & all(letter %in% c('a', 'b')))