通过 R 中的两个条件过滤数据框答案

【问题标题】：Filter a data frame by two conditions in R通过 R 中的两个条件过滤数据框
【发布时间】：2018-09-06 20:58:15
【问题描述】：

我有一个数据框，其中包含气候站在给定年份的最高和最低温度 - All.Stations 数据集：

Station.Name    Year    Month   Day TMAX    TMIN
GRAND MARAIS    1942    7       28    82      60
GRAND MARAIS    1962    3       17    42      22
LEECH LAKE      1956    7       3     72      50
ALBERT LEA 3 SE 1998    1       25    25      15
TWO HARBORS     1933    5       20    77      42
ARGYLE          1922    9       13    NA      NA

我还有一个完整年份的气候站数据框（即，这些年份我有一年中每一天的数据）-complete.years dataset：

Station.Name    Year
DULUTH          1904
AGASSIZ REFUGE  1995
LEECH LAKE      1956
GRAND MARAIS    1942
LEECH LAKE      1994

我想将第一个数据帧过滤为仅存在 Station Name 和 Year 并在第二个数据帧中匹配的数据。

正确的结果是：

Station.Name    Year TMAX
GRAND MARAIS    1942   82
LEECH LAKE      1956   72

这是我目前使用 dplyr 所做的：

Max.Tempurature <- All_Stations %>% 
  group_by(Station.Name, Year) %>%
  select(Station.Name, Year, TMAX) %>%
  filter(min_rank(desc(TMAX)) <= 1) %>%
  filter((Year %in% complete.years$Year & Station.Name %in% complete.years$Station.Name))

我可以同时按 Year 和 Station.Name 进行过滤，但这会在整个数据框中搜索匹配项。

如何按同一观察中存在的 Station.Name 和 Year 进行过滤？

【问题讨论】：

绝对inner_join 是您最好的选择。查看@akrun 的回答

标签： r dplyr

【解决方案1】：

我们可以做一个inner_join

library(dplyr)
inner_join(All.Stations[c(1, 2, 5)], complete.years)
#   Station.Name Year TMAX
#1 GRAND MARAIS 1942   82
#2   LEECH LAKE 1956   72

数据

All.Stations <- structure(list(Station.Name = c("GRAND MARAIS", "GRAND MARAIS", 
"LEECH LAKE", "ALBERT LEA 3 SE", "TWO HARBORS", "ARGYLE"), Year = c(1942L, 
1962L, 1956L, 1998L, 1933L, 1922L), Month = c(7L, 3L, 7L, 1L, 
5L, 9L), Day = c(28L, 17L, 3L, 25L, 20L, 13L), TMAX = c(82L, 
42L, 72L, 25L, 77L, NA), TMIN = c(60L, 22L, 50L, 15L, 42L, NA
)), class = "data.frame", row.names = c(NA, -6L))

complete.years <- structure(list(Station.Name = c("DULUTH", 
    "AGASSIZ REFUGE", "LEECH LAKE", 
"GRAND MARAIS", "LEECH LAKE"), Year = c(1904L, 1995L, 1956L, 
1942L, 1994L)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

您也可以使用semi_join，因为所有感兴趣的信息都在 All.Stations 中，而其他数据仅用于确定要包含的案例。 All.Stations %>% semi_join(complete.years, by = c("Station.Name", "Year")) %>% select(Station.Name, Year, TMAX)
两者都有效，谢谢！我最终使用了 semi_join，因为我只想要 X 中的列，并且为了简单起见，我从示例中排除了 Y 中的其他列。再次感谢！！

【解决方案2】：

或者merge

cols <- c('Station.Name', 'Year', 'TMAX')
merge(All.Stations[cols], complete.years, all.x = FALSE)
#  Station.Name Year TMAX
#1 GRAND MARAIS 1942   82
#2   LEECH LAKE 1956   72

数据

All.Stations <- structure(list(Station.Name = c("GRAND MARAIS", "GRAND MARAIS", 
"LEECH LAKE", "ALBERT LEA 3 SE", "TWO HARBORS", "ARGYLE"), Year = c(1942L, 
1962L, 1956L, 1998L, 1933L, 1922L), Month = c(7L, 3L, 7L, 1L, 
5L, 9L), Day = c(28L, 17L, 3L, 25L, 20L, 13L), TMAX = c(82L, 
42L, 72L, 25L, 77L, NA), TMIN = c(60L, 22L, 50L, 15L, 42L, NA
)), .Names = c("Station.Name", "Year", "Month", "Day", "TMAX", 
"TMIN"), class = "data.frame", row.names = c(NA, -6L))

complete.years <- structure(list(Station.Name = c("DULUTH", "AGASSIZ REFUGE", "LEECH LAKE", 
"GRAND MARAIS", "LEECH LAKE"), Year = c(1904L, 1995L, 1956L, 
1942L, 1994L)), .Names = c("Station.Name", "Year"), class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：