基于列号的条件子集答案

【问题标题】：Conditional Subsetting based on column numbers基于列号的条件子集
【发布时间】：2017-05-31 18:54:21
【问题描述】：

当列不匹配时，我需要对数据进行子集化。例如，如果我在第一列 X 中有一个标识符，例如 1，那么 Y 列中的以下所有示例都应该匹配：

X <- rep(1:4, times=2, each=2)
Y <- rep(c("Dave","Sam","Sam","Sam"))
Z <- as.data.frame(cbind(X,Y))
head(Z)

因此，在此示例中，我想在 X = 1 和 3 时对数据进行子集化，因为 y 列与第 2 列的子集不完全一致。为这种类型获取子集函数会很棒我在更大的数据帧上遇到的问题

谢谢，

【问题讨论】：

Z[Z$X %in% c(1,3),]?
我希望能够为满足此条件的所有条件执行此操作，但这只是一个小的说明性示例，但谢谢。
你想要的输出是什么？
我用 sqldf 用下面的代码弄明白了：AA <- sqldf("select X, count (distinct(Y)) as distinct_names From Z Group By X Having count (distinct(Y)) > 1 Order by X") AB <- Z %>% inner_join(AA) AB <- AB %>% select(X, Y) AB 那样很笨拙，想看看它是否能更好地工作
好吧，如果它有效，请使用它。如果您想在没有 SQL 的情况下查看更多 R 方法，请参阅下面的答案。不确定哪个更有效。

标签： r function subset

【解决方案1】：

dplyr:

df <- data.frame(x = rep(1:4, times=2, each=2),
                 y = rep(c("Dave","Sam","Sam","Sam")))

library(dplyr)

df %>% 
  group_by(x) %>% 
  filter(any(!y == lag(y), na.rm = T))

#> Source: local data frame [8 x 2]
#> Groups: x [2]
#> 
#>       x      y
#>   <int> <fctr>
#> 1     1   Dave
#> 2     1    Sam
#> 3     3   Dave
#> 4     3    Sam
#> 5     1   Dave
#> 6     1    Sam
#> 7     3   Dave
#> 8     3    Sam

我测试了一些案例，不确定这是否包含很多边缘案例

【讨论】：

这行得通，我在我更大的数据框上测试了它，它是等效的，谢谢！

【解决方案2】：

这是我会做的方式，尽管可能有更优雅的方式。这是你需要的吗？

X <- rep(1:4, times=2, each=2)
Y <- rep(c("Dave","Sam","Sam","Sam"))
Z <- as.data.frame(cbind(X,Y))
head(Z)

# First Create Concatenated column
Z$XY <- paste(Z$X, Z$Y)

# Eliminate all duplicates
Z_unique <- unique(Z)

# Find number of occurences of each X value
n_occur <- data.frame(table(Z_unique$X))

# Pull only those that have occurred more than once
n_occur[n_occur$Freq > 1,]

# Subset the output to only those values
output <- Z[Z$X %in% n_occur$Var1[n_occur$Freq > 1],]

【讨论】：

【解决方案3】：

我们可以使用data.table

library(data.table)
setDT(df)[, .SD[any(!y == shift(y))], x]
#   x    y
#1: 1 Dave
#2: 1  Sam
#3: 1 Dave
#4: 1  Sam
#5: 3 Dave
#6: 3  Sam
#7: 3 Dave
#8: 3  Sam

数据

df <- data.frame(x = rep(1:4, times=2, each=2),
              y = rep(c("Dave","Sam","Sam","Sam")))

【讨论】：