在数据框中保留具有某些值的行并删除所有其他行 [R]答案

【问题标题】：Keep rows with certain values within a data frame and delete all others [R]在数据框中保留具有某些值的行并删除所有其他行 [R]
【发布时间】：2013-09-14 17:57:54
【问题描述】：

我正在使用 R

set.seed(1)
Data <- data.frame(id = seq(1, 10), 
               Diag1 = sample(c("A123", "B123", "C123"), 10, replace = TRUE), 
               Diag2 = sample(c("D123", "E123", "F123"), 10, replace = TRUE), 
               Diag3 = sample(c("G123", "H123", "I123"), 10, replace = TRUE), 
               Diag4 = sample(c("A123", "B123", "C123"), 10, replace = TRUE), 
               Diag5 = sample(c("J123", "K123", "L123"), 10, replace = TRUE), 
               Diag6 = sample(c("M123", "N123", "O123"), 10, replace = TRUE), 
               Diag7 = sample(c("P123", "Q123", "R123"), 10, replace = TRUE))
Data

我有一个这样的数据框。实际上，它有 34 个变量和 1.5 个 Mio 观测值。它是一个包含患者数据的数据框。（ID 和诊断（ICD10）A123 和 B123 代表某些诊断。我想提取所有具有这些诊断的患者。事实上，我正在寻找 100 个不同 ICD10 诊断中的 6 个诊断。我寻找的每一个诊断都可以是出现在任何列但它们是互斥的。最后我将有一个大约 4000 个观测值的数据框，而不是 1.5 个 Mio。

我的目标是获得一个数据框，我只保留包含 A123 或 B123 的行。 A123 和 B123 不能在同一行。但它们可以出现在每一列中。

当我这样做时，我设法为一个变量做到这一点：

DataA123 <- Data[Data$Diag1 == "A123", ]

但我想对每个变量以及 A123 和 B123（实际上有 6 个这样的因素）一起做。

这可能吗？

【问题讨论】：

您使用什么语言或框架？
我使用 R。对不起，我是这个论坛和这个东西的新手。我搜索了论坛并没有找到答案。
欢迎来到 SO。你的意思是你需要所有变量都有 A123 或所有变量都有 B123 的数据名吗？你能提供预期的输出吗？
谢谢！它是一个包含患者数据的数据框。（ID 和诊断（ICD10）A123 和 B123 代表某个诊断。我想提取所有具有这些诊断的患者。事实上，我正在寻找 100 种不同 ICD10 诊断中的 6 个诊断。我寻找的每一个诊断都可以可以出现在任何列中，但它们是互斥的。最后我将有一个大约 4000 个观测值的数据框，而不是 1.5 个 Mio。
@Roccer，在发布这类涉及随机数据的问题时，使用set.seed 会很有帮助。

标签： r rows

【解决方案1】：

这个怎么样？

选择所有带有 A123 和/或 B123 的行：

Data[apply(Data,1,function(x) {any(c("A123", "B123") %in% x)}),]

选择所有带有 A123 或 B123 的行：

Data[apply(Data,1,function(x) {Reduce(xor, c("A123", "B123") %in% x)}),]

【讨论】：

+1 表示这些替代方案。在我看来，这两个选项都与 OP 可能正在寻找的内容有些匹配。当然，只有他们知道那是什么！ :p
太棒了！这正是我一直在寻找的！非常感谢。
@AnandaMahto，也感谢您的帮助！下一个问题的结构会更好:)
我的荣幸。别忘了accept an answer ;)

【解决方案2】：

set.seed(1)

  ll<-as.list(names(Data)[-1])

对于 A123：

Map(function(x) Data[Data[x][[1]]=="A123",],ll)


  [[1]]
   id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
1   1  A123  D123  I123  B123  L123  N123  R123
5   5  A123  F123  G123  C123  K123  M123  Q123
10 10  A123  F123  H123  B123  L123  N123  R123

[[2]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[3]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[4]]
  id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
4  4  C123  E123  G123  A123  K123  M123  P123
8  8  B123  F123  H123  A123  K123  N123  R123

[[5]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[6]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[7]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

对于 B123：

Map(function(x) Data[Data[x][[1]]=="B123",],ll)



 [[1]]
  id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
2  2  B123  D123  G123  B123  K123  O123  P123
3  3  B123  F123  H123  B123  L123  N123  Q123
8  8  B123  F123  H123  A123  K123  N123  R123
9  9  B123  E123  I123  C123  L123  N123  P123

[[2]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[3]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[4]]
   id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
1   1  A123  D123  I123  B123  L123  N123  R123
2   2  B123  D123  G123  B123  K123  O123  P123
3   3  B123  F123  H123  B123  L123  N123  Q123
10 10  A123  F123  H123  B123  L123  N123  R123

[[5]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[6]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[7]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

对于 A123 或 B123：

 Map(function(x) Data[Data[x][[1]]=="A123"|Data[x][[1]]=="B123",],ll)



 [[1]]
   id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
1   1  A123  D123  I123  B123  L123  N123  R123
2   2  B123  D123  G123  B123  K123  O123  P123
3   3  B123  F123  H123  B123  L123  N123  Q123
5   5  A123  F123  G123  C123  K123  M123  Q123
8   8  B123  F123  H123  A123  K123  N123  R123
9   9  B123  E123  I123  C123  L123  N123  P123
10 10  A123  F123  H123  B123  L123  N123  R123

[[2]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[3]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[4]]
   id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
1   1  A123  D123  I123  B123  L123  N123  R123
2   2  B123  D123  G123  B123  K123  O123  P123
3   3  B123  F123  H123  B123  L123  N123  Q123
4   4  C123  E123  G123  A123  K123  M123  P123
8   8  B123  F123  H123  A123  K123  N123  R123
10 10  A123  F123  H123  B123  L123  N123  R123

[[5]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[6]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

[[7]]
[1] id    Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
<0 rows> (or 0-length row.names)

【讨论】：

【解决方案3】：

如果我正确理解了您的问题，您也许可以使用以下内容：

Data[rowSums(cbind(rowSums(Data == "A123"), 
                   rowSums(Data == "B123")) != 0) == 1, ]

（但我不确定它对您的实际数据有多有效，尤其是因为您必须制作几个中间大型矩阵）。

基本思路如下：

rowSums(Data == "A123") 告诉我们“A123”在每行中出现了多少次。
rowSums(Data == "B123") 告诉我们“B123”在每行中出现了多少次。
cbind 将它们两个放在一起作为一个两列矩阵。
由于“A123”和“B123”不能在同一行，我们再次计算rowSums以找出有多少行只有其中一个存在（即使它存在不止一次）。
从那里开始，它是基本子集。

这是一个例子：

set.seed(1)
Data <- data.frame(id = seq(1, 10), 
               Diag1 = sample(c("A123", "B123", "C123"), 10, replace = TRUE), 
               Diag2 = sample(c("D123", "E123", "F123"), 10, replace = TRUE), 
               Diag3 = sample(c("G123", "H123", "I123"), 10, replace = TRUE), 
               Diag4 = sample(c("A123", "B123", "C123"), 10, replace = TRUE), 
               Diag5 = sample(c("J123", "K123", "L123"), 10, replace = TRUE), 
               Diag6 = sample(c("M123", "N123", "O123"), 10, replace = TRUE), 
               Diag7 = sample(c("P123", "Q123", "R123"), 10, replace = TRUE))
Data
#    id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
# 1   1  A123  D123  I123  B123  L123  N123  R123
# 2   2  B123  D123  G123  B123  K123  O123  P123
# 3   3  B123  F123  H123  B123  L123  N123  Q123
# 4   4  C123  E123  G123  A123  K123  M123  P123
# 5   5  A123  F123  G123  C123  K123  M123  Q123
# 6   6  C123  E123  H123  C123  L123  M123  P123
# 7   7  C123  F123  G123  C123  J123  M123  Q123
# 8   8  B123  F123  H123  A123  K123  N123  R123
# 9   9  B123  E123  I123  C123  L123  N123  P123
# 10 10  A123  F123  H123  B123  L123  N123  R123

Data[rowSums(cbind(rowSums(Data == "A123"), 
                   rowSums(Data == "B123")) != 0) == 1, ]
#   id Diag1 Diag2 Diag3 Diag4 Diag5 Diag6 Diag7
# 2  2  B123  D123  G123  B123  K123  O123  P123
# 3  3  B123  F123  H123  B123  L123  N123  Q123
# 4  4  C123  E123  G123  A123  K123  M123  P123
# 5  5  A123  F123  G123  C123  K123  M123  Q123
# 9  9  B123  E123  I123  C123  L123  N123  P123

请注意，来自源 10 行 data.frame

第 1、8 和 10 行被删除，因为它们同时包含“A123”和“B123”。
第 6 行和第 7 行被删除，因为它们既不“A123”也不包含“B123”。

【讨论】：