对数据序列进行子集化答案

【问题标题】：subsetting a sequence of data对数据序列进行子集化
【发布时间】：2019-04-19 08:55:46
【问题描述】：

我正在尝试开始使用 R 进行数据分析，但我有一个关于对一系列数据框进行子集化的问题。

假设我有名为 i1、i2、i3、...、i10 的数据框

我想对这些数据帧进行子集化并将结果分配给 sub1、sub2、sub3、...、sub10。然后合并结果。

我想要的每个数据框是：

sub1 <- subset(i1, F < (mean(i1$F)-2*sd(i1$F)) |
                     F > (mean(i1$F)+2*sd(i$F)))

但是，通过尝试分配和粘贴，也可以通过创建 i1、..、i10 的列表，但我无法在 for 循环中执行此操作。

任何人都可以推荐一种方法吗？

谢谢！

【问题讨论】：

标签： r loops subset

【解决方案1】：

我们可以将数据集放入list 和mget

lst1 <- mget(paste0("i", 1:10))

然后在list 中进行子集化

lst2 <- lapply(lst1, function(x) subset(x, F > (abs(mean(F) + 2 * sd(F))))

【讨论】：

【解决方案2】：

或者，我们可以将所有数据帧组合成一个大数据帧并应用操作group-wise。

这要求数据框具有相同的结构，即相同的顺序、名称和列类型，这里似乎就是这种情况。

对于数据帧上的分组操作，我们可以使用 data.table 或 dplyr 语法（除了基本 R 函数）。

数据表

library(data.table)
list_of_df <- mget(paste0("i", 1:10))
big_dt <- rbindlist(list_of_df, idcol = "orig.df")

big_dt[, .SD[!F %between% (mean(F) + c(-2, +2) * sd(F))], by = orig.df]

   orig.df rn   F x
1:      i2  6  20 P
2:      i3  6  30 M
3:      i4  6  40 I
4:      i5  6  50 Y
5:      i6  6  60 U
6:      i7  6  70 T
7:      i8  6  80 F
8:      i9  6  90 G
9:     i10  6 100 F

dplyr

library(dplyr)
list_of_df <- mget(paste0("i", 1:10))
big_df <- list_of_df %>% 
  bind_rows(.id = "orig.df") 

big_df %>% 
  group_by(orig.df) %>% 
  filter(!between(F, mean(F) - 2 * sd(F), mean(F) + 2 * sd(F)))

# A tibble: 9 x 4
# Groups:   orig.df [9]
  orig.df    rn     F x    
  <chr>   <int> <dbl> <chr>
1 i2          6    20 P    
2 i3          6    30 M    
3 i4          6    40 I    
4 i5          6    50 Y    
5 i6          6    60 U    
6 i7          6    70 T    
7 i8          6    80 F    
8 i9          6    90 G    
9 i10         6   100 F

可重现的数据

这将在全球环境中创建 10 个数据框。

set.seed(1L)
n_row <- 6L
for (x in 1:10) {
  df_name <- paste0("i", x)
  assign(df_name,
         data.frame(
           rn = seq(n_row),
           F = c(rnorm(n_row - 1, mean = x), 10*x),
           x = sample(LETTERS, n_row, replace = TRUE),
           stringsAsFactors = FALSE
         ),
         envir = globalenv())
}

ls()

 [1] "df_name" "i1"      "i10"     "i2"      "i3"      "i4"      "i5"      "i6"      "i7"      "i8"      "i9"     
[12] "n_row"   "x"

每个数据框由 6 行组成，其中一行包含 F 中的异常值，例如，

i3

  rn         F x
1  1  2.983810 U
2  2  3.943836 O
3  3  3.821221 N
4  4  3.593901 U
5  5  3.918977 A
6  6 30.000000 M

【讨论】：