使用 dplyr 基于三列进行过滤答案

【问题标题】：filtering based on three columns with dplyr使用 dplyr 基于三列进行过滤
【发布时间】：2020-09-18 12:36:06
【问题描述】：

我有一个看起来像这样的数据框（但有更多的列，并且没有有用的“KEEP”列）：

df <- tribble( ~Lots.of.cols, ~analyte, ~meta, ~value, ~KEEP,
     1, "A", "analyte", NA, FALSE,
     1, "A", "unit", "m", FALSE,
     1, "A", "method", NA, FALSE,
     1, "B", "analyte", "4", TRUE,
     1, "B", "unit", "kg", TRUE,
     1, "B", "method", "xxx", TRUE)

我想要做的是过滤掉特定分析物的所有行，如果 meta 是“分析物”的行，值列也是 NA。所以在上面的 df 中，前三行应该被过滤掉，因为第一行有 meta = "analyte" 和 value = NA。最后三行 (analyte = "B") 应保留，因为第四行 (meta = "analyte") 有!is.na(value)。

所以我尝试了两种方法。首先是group_by(analyte)，然后尝试过滤或替代

df %>% 
  anti_join(.[is.na(.$value) & .$meta == "analyte", ], 
            by = c("Lots.of.cols", "analyte", "meta")) -> df

通过这两种方法，我可以删除 meta = "analyte" & is.na(value) 所在的单个行，但不能删除组中的其他行。

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

问题在于您的表格格式不整齐，即 1 个观察值 = 1 行。

要获得整洁的数据，您需要更广泛地旋转。这就是我旋转、过滤然后重新旋转的原因。

另外，令人困惑的是，您有两个名为“分析物”的东西不是同一个东西，因此我更改了名称。

df %>%
    mutate(meta = str_replace(meta, "analyte", "analyte_value")) %>%
    pivot_wider(names_from = meta, values_from = value) %>%
    filter(!is.na(analyte_value)) %>%
    pivot_longer(cols = analyte_value:method)
#> # A tibble: 3 x 4
#>   Lots.of.cols analyte name          value
#>          <dbl> <chr>   <chr>         <chr>
#> 1            1 B       analyte_value 4    
#> 2            1 B       unit          kg   
#> 3            1 B       method        xxx

【讨论】：

当我看到旋转时，我就像“什么？”，但它确实有效，所以这是重要的部分。好主意！
哈哈，旋转它以使其“整洁”（一个变量 = 一列，一个观察值 = 一行）。然后更容易应用功能。但这有点令人困惑
我觉得自己好蠢。这个 df 实际上是一个中间结果，我试图整理一些我已经旋转了更长的非常不整洁的数据（因此丑陋的名字）。我的想法是，我应该在更宽地旋转之前进行过滤，但后来我太专注于如何正确过滤，以至于后退一步意识到我应该先旋转然后过滤。
一点也不傻！好处是您不需要重新旋转。 :)

【解决方案2】：

您的 anti_join 几乎很好，只是不要像那样将“元”变量放在 by = c(...) 中：

df %>% 
  anti_join(.[is.na(.$value) & .$meta == "analyte", ], 
            by = c("Lots.of.cols", "analyte")) -> df

结果：

# A tibble: 3 x 5
  Lots.of.cols analyte meta    value KEEP 
         <dbl> <chr>   <chr>   <chr> <lgl>
1            1 B       analyte 4     TRUE 
2            1 B       unit    kg    TRUE 
3            1 B       method  xxx   TRUE

【讨论】：

【解决方案3】：

我会先修复您的 KEEP 列，然后他们会通过它过滤数据。首先，我使用来自dplyr 的group_by() 按分析物对您的数据进行分组，我应用逻辑测试来发现在每组的某些行中是否有一行 meta = analyte 和 value = NA，我使用any() 函数用于发现这些测试结果中的任何一个在每组中是否为 TRUE。之后，我只需使用filter() 来选择所需的行。

library(tidyverse)

df <- df %>%
  group_by(analyte) %>% 
  mutate(KEEP = any(meta == "analyte" & is.na(value))) %>% 
  filter(KEEP == FALSE)

结果如下：

# A tibble: 3 x 5
# Groups:   analyte [1]
  Lots.of.cols analyte meta    value KEEP 
         <dbl> <chr>   <chr>   <chr> <lgl>
1            1 B       analyte 4     FALSE
2            1 B       unit    kg    FALSE
3            1 B       method  xxx   FALSE

【讨论】：