在R中使用for循环根据条件从数据帧列表中删除数据帧

Question

考虑以下名为mat 的数据。我的目标是计算每个id 的v1 的唯一值并将它们存储在变量n 中。然后，如果n <= 1 和n >= 2，我想从列表中删除数据框。

id v1 v2 
1  2  3
1  2  5
2  9  8
2  4  5
3  7  8
3  1  5

这是我尝试过的：

dat  <- list()
dat2 <- list()
for (i in seq_along(unique(mat$id))){
  dat[[i]] <- data.frame(subset(mat,mat$id==unique(mat$id)[i])) 
  dat[[i]]$n <- length(unique(dat[[i]]$v1))
  if(dat[[i]]$n >= 2){
    dat2[[i]] <- dat[[i]]
  }
}

非常感谢任何帮助！

Answer 1

就个人而言，我会选择dplyr 方法

library(dplyr)
df <- data.frame(id = c(1,1,2,2,3,3),
                 v1 = c(2,2,9,4,7,1),
                 v2 = c(3,5,8,5,8,5))
df_n <- df %>%
    group_by(id) %>% #groups the data by a variable
    summarise(n = length(unique(v1))) %>% #does a computation for each group
    filter(n >=2) #subsets based on condition
df_n
## A tibble: 2 x 2
#     id     n
#  <dbl> <int>
#1     2     2
#2     3     2

现在，如果您想从df 中删除保留在df_n 中的任何数据，您可以使用anti_join

anti_join(df, df_n, by = "id") #
#  id v1 v2
#1  1  2  3
#2  1  2  5

如果您想保留留在df_n 中的ids，您可以使用相反的semi_join

semi_join(df, df_n, by = "id")
#  id v1 v2
#1  2  9  8
#2  2  4  5
#3  3  7  8
#4  3  1  5

---

编辑

如果要添加新列，请将summarize 替换为mutate。这些函数之间的区别在于mutate 将返回带有新计算表达式的数据框，而summarize 将返回一个行数等于分组组合数的数据框。

看到您的评论后，下面的代码应该可以让您大部分时间到达那里，在这种情况下您可能不需要semi/anti_join。使用filter 将数据框拆分为您喜欢的方式。

library(dplyr)
df <- data.frame(id = c(1,1,2,2,3,3),
                 v1 = c(2,2,9,4,7,1),
                 v2 = c(3,5,8,5,8,5)) %>%
  group_by(id) %>%
  mutate(n = length(unique(v1))