如何提取数据集的特定区间？

Question

我有一个大数据集（超过 20 万行和一千次试验），其中包含四列信息：

• “试验”：序号）
• “Is.Check”：1 表示检查，0 表示非检查的列
• “ID”：带有支票或行（非支票）名称的列
• “反应”：反应变量

我需要知道在每次试验中，哪些行（以“L”+ 数字表示）位于最大和较小的检查值之间。 例如，在试验 10001 中，我有 5 个检查，最大的是检查 3（反应 = 56）和较小的检查 1（反应 = 50）。我需要知道哪些线停留在这两个值之间，即（大于或等于 50 和小于或等于 56）。附上一个小数据集作为示例。在此，在试用 10001 中，应选择除“L3”之外的所有行。另一方面，在试验 10002 中，较小的 Check 是 Check-1 (50)，最大的是 Check-7 (60)，因此应该只选择 L3 和 L9。 Checks 和 Reaction Values 在每次 Trial 中都会发生变化，因此，我需要提取每个 Trial 中最大和较小检查之间的值的行。

Trials  Is.Check     ID       Reaction
10001   1            Check-1  50
10001   0            L1       50
10001   0            L2       50
10001   0            L10      50
10001   0            L9       50
10001   0            L6       50
10001   0            L3       48
10001   0            L4       50
10001   0            L8       50
10001   1            Check-5  52
10001   0            L7       50
10001   1            Check-2  52
10001   1            Check-4  54
10001   0            L5       52
10001   1            Check-3  56
10002   1            Check-1  50
10002   0            L1       48
10002   0            L2       48
10002   0            L3       54
10002   0            L4       64
10002   0            L5       64
10002   0            L6       62
10002   0            L7       62
10002   0            L8       70
10002   0            L9       52
10002   1            Check-7  60
10002   1            Check-2  54
10002   1            Check-6  56
10002   1            Check-3  54

Answer 1

作为第一步，您希望按 Trial 拆分 data.frame：

splitted <- split(dataset, dataset$Trials)

然后，对于这些元素中的每一个，我们选择所有符合 2 个条件的非检查元素：>= 是最小的检查，<= 是最大的检查。我们需要对splitted 中的每个子数据帧执行此操作，因此我们使用lapply，将我们的函数应用于每个子数据帧：

selection <- lapply(splitted, function(subdf) {
  subdf[subdf$Is.Check==0 &
        subdf$Reaction >= min(subdf$Reaction[subdf$Is.Check==1]) &
        subdf$Reaction <= max(subdf$Reaction[subdf$Is.Check==1])
       ,]

})

Selection 现在是一个列表，其中为每个试验选择正确的非检查。如果您想将这些选择重新组合到一个大的 data.frame 中，您可以使用 dplyr-package 中的 bind_rows

install.packages('dplyr') # If you don't have it yet
Fullselection <- dplyr::bind_rows(selection)

如果由于某种原因无法安装dplyr，do.call(rbind, selection) 也可以使用（但速度会慢一些，而且代码更丑。）