我有一个包含5个数字列的数据集，比如{A，B，C，D，E}，其中任何列的值可以在1到100之间变化。即，
1 <= A / B / C / D / E中的所有值<= 100
我们的数据集如下所示：
A B C D E
1 5 7 19 2
90 12 8 45 30
30 10 20 50 40 #need this row
33 11 22 55 44
50 40 10 20 30 #and this row
40 40 10 20 30 #not this one
我想只过滤那些包含以下5个值中的每一个的行，例如：{10,20,30,40,50}。顺序无关紧要，但5列应包含所有5个值。
所以输出应该是这样的：
A B C D E
30 10 20 50 40
50 40 10 20 30
我尝试使用大量的ifelse来过滤所有5列条件，但事实是我需要将这个概念应用于更复杂的问题，它们可能不是定义的否。列或甚至定义的“查找”数据集。所以任何使用dplyr，data.table，tidyverse的解决方案都非常受欢迎，但任何其他任何人都可以提出的任何创意请分享。
tb <- data.frame(A = c(1, 90, 30 ,33,50,40),
B = c(5,12,10,11,40,40),
C = c(7,8,20,22,10,10),
D = c(19,45,50,55,20,20),
E = c(2,30,40,44,30,30))
cols <- paste0(c(10,20,30,40,50), collapse = "_")
index <- apply(tb, 1, function(x) paste0(sort(x), collapse = "_") == cols)
tb[index,]
使用来自apply基地的sum，%in%和R
my_vals = c(10, 20, 30, 40, 50)
df[apply(df, 1, function(row) all(my_vals %in% row)), ]
A B C D E
3 30 10 20 50 40
5 50 40 10 20 30
这可以扩展到任意数量的列，您所要做的就是更新my_vals。
基于OP关于当my_vals可能有重复元素时获取正确行的情况的注释，上面的代码可以修改有点像这样
my_vals = sort(c(10, 20, 30, 40, 40))
df[apply(df, 1, function(row) all(my_vals == sort(row))), ]
A B C D E
6 40 40 10 20 30
也许是这样的？
library(dplyr)
dat %>%
rowwise() %>%
filter(paste(sort(c(A, B, C, D, E)), collapse = ".") == "10.20.30.40.50") %>%
ungroup()
# A tibble: 2 x 5
A B C D E
<int> <int> <int> <int> <int>
1 30 10 20 50 40
2 50 40 10 20 30
数据：
dat <- read.table(text = "A B C D E
1 5 7 19 2
90 12 8 45 30
30 10 20 50 40
33 11 22 55 44
50 40 10 20 30
40 40 10 20 30", header = TRUE)
注意：我不确定这是否是一个很好的方法来扩展到“更复杂的问题，它们可能不是定义的列数，甚至是定义的'查找'数据集”，因为它有点含糊不清。如果您遇到更复杂的问题，我强烈建议您构建问题以反映它。
这是一种重新整形为长格式，过滤和重新整形的方法：
my_vals = c(10, 20, 30, 40, 50)
library(tidyr)
library(dplyr)
df %>% mutate(id = row_number()) %>%
gather("col", "val", -id) %>%
group_by(id) %>%
filter(all(my_vals %in% val)) %>%
spread(col, val)
# A tibble: 2 x 6
# Groups: id [2]
id A B C D E
<int> <int> <int> <int> <int> <int>
1 3 30 10 20 50 40
2 5 50 40 10 20 30
（当然，如果你不想要它，你可以放弃id专栏。）
这是一个data.table解决方案：
library(data.table)
dt <- setDT(read.table(text = "A B C D E
1 5 7 19 2
90 12 8 45 30
30 10 20 50 40
33 11 22 55 44
50 40 10 20 30
40 40 10 20 30", header = TRUE))
dt = dt[, .SD[all(seq(10, 50, 10) %in% .SD)], by = 1:nrow(dt)]
这是另一个选项，没有排序每一行。
我们的想法是逐列连接数据集的每一列和查找值。对于例如对于A列，使用全部5个值来过滤原始数据集。
然后，对于列B，使用上一步中数据集的每个子集使用A列中未使用的任何内容进行连接。
然后，对于C列，使用上一步中数据集的每个子集使用A和B列中未使用的任何内容进行连接。
然后，对于列D，使用上一步骤中数据集的每个子集使用A，B和C列中未使用的任何内容进行连接。
等等等等。
以下是data.table中上述想法的实现：
v <- c(10, 20, 30, 40, 40)
nm <- names(dat)
dat <- dat[.(A=unique(v)), on=.(A), nomatch=0L]
for (k in seq_along(nm)[-1L]) {
dat <- dat[, .SD[.(unique(v[-match(.BY, v)])),
on=eval(nm[k]),
nomatch=0L],
by=eval(nm[seq_len(k)[-k]])]
}
dat
v <- c(10, 20, 30, 40, 40)的输出：
A B C D E
1: 10 40 40 20 30
2: 40 40 10 20 30
3: 40 40 10 20 30
v <- c(10, 20, 30, 40, 50)的输出：
A B C D E
1: 30 10 20 50 40
2: 50 40 10 20 30
数据：
library(data.table)
dat <- fread("A B C D E
1 5 7 19 2
90 12 8 45 30
30 10 20 50 40
33 11 22 55 44
50 40 10 20 30
40 40 10 20 30
40 40 10 20 30
10 40 40 20 30") #2 dupe rows to demonstrate edge case