使用与列表中的值匹配的多列过滤或子集数据框

Question

我想使用从数据框中选择行的子集 存储在列表中的值。对数据框进行子集化是一个常见主题（例如 this 或 this), 但在所有这些问题中，值在运行之前是已知的。我想 使用闪亮的应用程序中生成的命名列表来挑选行和 将它们显示在数据表对象中。我会使用dplyr::filter() 但我 认为同样的想法应该适用于subset() 或[]。

library(dplyr) 
data("mtcars")

# get all 6 cylinder cars with 3 gears 
filter(mtcars, cyl == 6 & gear == 3)
#>    mpg cyl disp  hp drat    wt  qsec vs am gear carb
#> 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
#> 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

到目前为止一切都很好，但我在命名列表中有这些值。

pickthese <- list(cyl = 6, gear = 3)

我尝试了paste() 与parse() 和eval() 的变体，而这个 有效，但看起来很笨拙。

eval(
  parse(
    text = paste("filter(mtcars, ",
                 paste(paste0(names(pickthese)[1]," == ", pickthese[[1]]),
                       paste0(names(pickthese)[2]," == ", pickthese[[2]]), sep = ","),
                 ")")))
#>    mpg cyl disp  hp drat    wt  qsec vs am gear carb
#> 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
#> 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

我可以将内部 paste0() 变成一个函数并使用 *apply() 或 purrr::map 简化一些。有更好的解决方案吗？

编辑：

r2evans 提出了一个很好的观点，即如果用户搞砸了会发生什么。我可以想到两种可能的方法——首先，用户可以选择数据框中没有的值，其次，用户可以选择数据框中没有的变量名。第二种情况不应该发生，因为应用程序中的变量名是我设置的，但我也不能幸免于搞砸！我认为解决方案应该返回具有相同列的零行数据框（在第一种情况下），或者导致错误。

# test case
lst <- list(cyl = 6.2, gear = 3, foo = "bar")

创建于 2018-07-17 由reprex package (v0.2.0)。

Answer 1

更多选项，无需parseing。

lst <- list(cyl=6, gear=3)

df1 <- as.data.frame(lst)
mtcars %>% inner_join(df1)
# Joining, by = c("cyl", "gear")
#    mpg cyl disp  hp drat    wt  qsec vs am gear carb
# 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
# 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

nlst <- paste(names(lst), lst, sep="==")
mtcars %>% filter_(.dots=nlst)
#    mpg cyl disp  hp drat    wt  qsec vs am gear carb
# 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
# 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Answer 2

最简单的是baseR：

l <- list(cyl = 6, gear = 3)
merge(mtcars,l)
#   cyl gear  mpg disp  hp drat    wt  qsec vs am carb
# 1   6    3 18.1  225 105 2.76 3.460 20.22  1  0    1
# 2   6    3 21.4  258 110 3.08 3.215 19.44  1  0    1

使用dplyr，我们首先需要将您的列表转换为tibble/data.frame，然后使用right_join 或inner_join 将其加入表格，我们最终得到@r2evans 的解决方案。

如果我们真的想过滤，我们可以使用 filter_at 和 reduce ：

library(tidyverse) # for dplyr and purrr
reduce(imap(l,~setNames(.x,.y)),
  ~filter_at(.x, names(.y),all_vars(.== .y)),
  .init=mtcars)
#    mpg cyl disp  hp drat    wt  qsec vs am gear carb
# 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
# 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Answer 3

一种选择是创建一个可以解析的表达式

expr <- do.call(paste, c(stack(pickthese)[2:1], sep="==", collapse=";"))

或使用tidyverse创建

expr <- enframe(pickthese) %>% 
                unnest %>%
                reduce(paste, sep="==", collapse=";")


mtcars %>% 
    filter(!!! rlang::parse_exprs(expr))
#    mpg cyl disp  hp drat    wt  qsec vs am gear carb
#1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
#2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Answer 4

我希望我能接受 3 个答案！我在这里学到了很多东西。我将结合上述每个答案的部分，以非常清晰的方式得到我想要的。

nlst <- paste(names(pickthese), pickthese, sep="==") # from r2evans

mtcars %>% filter(!!! rlang::parse_exprs(nlst)) # from akrun

#>    mpg cyl disp  hp drat    wt  qsec vs am gear carb
#> 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
#> 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

尽管担心解析，并且因为merge() 或inner_join() 方法存在问题，我仍将坚持这一点。如果在数据中未找到该值，则所有解决方案都按预期工作，返回零行数据帧。

如果变量名不是数据框的一部分，它们在第二个问题上的表现确实不同。使用merge() 或inner_join() 将错误的变量名称添加为新列，即使在零行数据框中也是如此。我刚刚注意到merge() 的另一件事——没有保留结果中的行或列顺序。有时这无关紧要，但在这种情况下确实如此，因为如果我选择不同的变量，结果会显示不同，这至少会让人讨厌。

lst <- list(cyl = 6, gear = 3, foo = "bar") # 2nd problem

merge(mtcars, lst) # two rows, but silently adds column foo
#>   cyl gear  mpg disp  hp drat    wt  qsec vs am carb foo
#> 1   6    3 18.1  225 105 2.76 3.460 20.22  1  0    1 bar
#> 2   6    3 21.4  258 110 3.08 3.215 19.44  1  0    1 bar

inner_join(mtcars, as.data.frame(lst)) # two rows and silently adds column foo
#> Joining, by = c("cyl", "gear")
#>    mpg cyl disp  hp drat    wt  qsec vs am gear carb foo
#> 1 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1 bar
#> 2 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1 bar

nlst <- paste(names(lst), lst, sep="==")
mtcars %>% filter(!!! rlang::parse_exprs(nlst)) # error -- tells me I screwed up the programming.
#> Error in filter_impl(.data, quo): Evaluation error: object 'foo' not found.

Annnd，又多了一个。 semi_join() 如下所示是我实际用例中的赢家，因为有关实际 data.frame 的某些内容破坏了此处有效的解析解决方案-我认为它是字符变量。