在多列中搜索 4 个特定值时对行进行子集化

Question

我正在处理一个大型数据表（~1'000'000 x 700），我想根据跨多个列的 4 个特定值对行进行子集化。

因为我是初学者 R-User，我需要帮助才能实现这一目标。

data.table 如下所示：

[Excel 中的虚构 DT，粗体值/变量是相关的] !()

我正在寻找的是一个“快速”代码，它在任何列中对包含值“X21”或“X22”或“X230”或“X231”（但不是任何其他Xyza-Value）的每一行进行子集化带有“_7_2_Y”并以零 (0) 结尾（符合这些标准的 50 个变量）。 子集行仍应包含每个变量（但我认为应该是这样）。

子集数据最终应该只包含相关行（并且足够小以进行进一步的数据处理）。

我尝试了我在这里读到的几件事，但没有成功（或者不理解它是如何工作的）。

手动子集使用：

*SubX <- subset(fulldata, 
            _7_2_Y10== X21 | _7_2_Y10== X22| _7_2_Y10== X230 | _7_2_Y10== X231|
            _7_2_Y20== X21 | _7_2_Y20== X22| _7_2_Y20== X230 | _7_2_Y20== X231|
            _7_2_Y30== X21 | _7_2_Y30== X22| _7_2_Y30== X230 | _7_2_Y30== X231|
            )*here

会很痛苦。

有人告诉我使用 data.table（用于快速子集化/过滤），但它似乎对多列上的子集行有限制。可能需要中间步骤，但我真的不知道怎么做。

（我不知道如何使用 grep()，因为有一个我不想要的值“X27”。）

我希望我的例子足够有用。 先感谢您， L.

Answer 1

我们可以将

filter

与

%in%

和

if_any

一起使用

library(dplyr)
fulldata %>%
    filter(if_any(c(`_7_2_Y10`, `_7_2_Y20`, `_7_2_Y30`), ~ .x %in%
       c("X21", "X22", "X230", "X231")))

Answer 2

要在 R 中的多个列中搜索 4 个特定值时对行进行子集化，您可以使用 subset() 函数和逻辑 | （或）运算符。这是一个例子：

df <- data.frame(
  col1 = c(1, 2, 3, 4, 5),
  col2 = c("A", "B", "C", "D", "E"),
  col3 = c("X", "Y", "Z", "W", "V")
)

在 col2 和 col3 中具有 4 个特定值的子集行

subset(df, col2 %in% c("B", "C") | col3 %in% c("W", "V"))

在这个例子中，我们对 df 的行进行子集化，这些行在 col2 中具有值“B”或“C”，或者在 col3 中具有值“W”或“V”。 %in% 运算符用于检查每列中的多个值。

您可以修改此代码以根据特定数据集的需要包含或排除其他列和值。