根据多个条件删除行，但脚本不起作用

Question

我想根据多个条件对新数据框进行子集/过滤。我尝试了此处提到的以下代码（基于多个条件的子数据框）和（如果至少一个组成员满足条件，则从 data.frame 中删除组）

A small portion of total database:

df<- structure(list(pat_id = c(10302, 10302, 10302, 
                          10482, 10482,10482,
                          10613, 10613, 10613, 
                          16190, 16190, 16190, 
                          16220, 16220,16220, 16220, 16220, 16220, 16220, 16220), 
               date = c("2014-04-22","2018-12-13", "2020-07-27", "2019-07-15", "2019-09-19", "2019-09-23", 
                         "2015-09-29", "2015-10-06", "2015-11-20", "2013-07-08", "2018-01-30", 
                         "2020-01-09", "2016-06-15", "2018-02-23", "2019-02-14", "2019-08-09", 
                         "2020-03-02", "2020-07-03", "2020-11-09", "2020-12-16"), 
               number = c(1,2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 4, 5, 6, 7, 8), 
               col1 = c(0,1, 1, 2, 4, 4, 9, 3, 1, 0, 1, 1, 9, 9, 9, 9, 9, 9, 9, 9), 
               col2 = c(NA_real_,NA_real_, NA_real_, 0, 1, NA_real_, NA_real_, NA_real_, 
                        NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, 
                        NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), 
               col3 = c(NA_real_,NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, 
                        NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, 
                        NA_real_, NA_real_, NA_real_, NA_real_, NA_real_)), 
                class = c("grouped_df", "tbl_df", "tbl", "data.frame"), row.names = c(NA, -20L), groups = structure(list(
               pat_id = c(10302, 10482, 10613, 16190, 16220), .rows = structure(list(
                        1:3, 4:6, 7:9, 10:12, 13:20), ptype = integer(0), class = c("vctrs_list_of", 
                        "vctrs_vctr", "list"))), class = c("tbl_df", "tbl", "data.frame"
                        ), row.names = c(NA, -5L), .drop = TRUE))

每一行代表一个“联系人”，“号码”列是联系人号码。所以每个 pat_id 都有 1 个或多个联系人。 col1-3 列代表治疗（-选项）。如果 pat_id 在第一个或第二个联系人（编号 1 或 2）的第 1-3 列中具有治疗选项 1，我想从数据集中删除该 pat_id 值。

我尝试根据以下条件创建一个新的数据框。

如果数字为1或2并且col1、col2或col3为1，则删除具有相应id值的所有行。

所需输出：

id        date    number    col1     col2     col3
10613      ..      1         9        NA       NA
10613      ..      2         3        NA       NA
10613      ..      3         1        NA       NA
etc

我已经尝试过

df1 <- df %>% group_by(pat_id) %>% filter(any(!(number <= 2 & (col1 == 1 | col2==1 | col3==1))))

但这似乎不起作用。可能是因为数据框的类/结构吗？我想不通。如果我创建一个具有类似列的“虚拟”数据框，则此代码确实有效。但不是在大数据集上。

有什么建议吗？

Answer 1

首先找到符合第一个条件的行，然后使用

across

查看组内的

any

行是否符合第二个条件

注意：首先取消分组，以便在未分组的数据帧上获得一致的方法。

df <- df %>% 
  ungroup()

df %>% 
  filter(!any(number %in% c(1,2) & 
         any(across(starts_with("col"), ~ .x %in% 1))), .by = pat_id)
# A tibble: 8 × 6
  pat_id date       number  col1  col2  col3
   <dbl> <chr>       <dbl> <dbl> <dbl> <dbl>
1  16220 2016-06-15      1     9    NA    NA
2  16220 2018-02-23      2     9    NA    NA
3  16220 2019-02-14      3     9    NA    NA
4  16220 2019-08-09      4     9    NA    NA
5  16220 2020-03-02      5     9    NA    NA
6  16220 2020-07-03      6     9    NA    NA
7  16220 2020-11-09      7     9    NA    NA
8  16220 2020-12-16      8     9    NA    NA