使用向量中的值和名称对数据框架进行简单有效的子集。

Question

给定一个数据集（比方说存储为数据框），其形式为：。

> n <- 10   
> set.seed(123)
> ds.df <- data.frame(col1 = round(rnorm(n,2,4), digit = 1),
                    col2 = sample.int(2, n, replace = TRUE),
                    col3 = sample.int(n*10, n),
                    col4 = sample(letters, n, replace = TRUE))

有没有一种简单有效的方法来对其进行子集， 用一个向量的值来定义子集应该尊重的多重平等？类似于

> subset_v <- c(col1 = -0.2, col4 = "i")
> ds.subset <- subset(ds.df, subset_v)
> ds.subset
  col1 col2 col3 col4
1 -0.2    1    9    i

其中函数 subset(ds.df,subset_v) 应该返回该方面的子集。

ds.df[ ds.df$col1 == subset_v["col1"] & ds.df$col2 == subset_v["col2"] & ds.df$col4 == subset_v["col4"], ]

但这最后一个表达式不是很方便 我希望能够在不预先知道的情况下拥有任何列。

我做了一些工作。

subset <- function(ds.df,subset_v){
    sub = rep(TRUE, nrow(ds.df))
    for(cn in names(subset_v)){
       sub=sub & (ds.df[,cn] == subset_v[[cn]])
    }
    ds.df[sub,]
}

但我觉得还有更好更有效的方法来实现它（也许可以去掉这个地方） for loop 以某种方式）。)

Answer 1

我个人认为，使用命名向量来子集数据框是否是个好主意，因为它只能用于等价交换 =而 larger than 和 smaller than 不能用这种方式表达。我建议使用引号表达式而不是命名向量（见下面的方法）。

然而，我想出了一个 tidyverse 的方式来编写一个具有上述功能的函数。

library(tidyverse)

set.seed(123)
n <- 10 

ds.df <- data.frame(col1 = round(rnorm(n,2,4), digit=1),
                   col2 = sample.int(2, n, replace=T),
                   col3 = sample.int(n*10, n),
                   col4 = sample(letters, n, replace=T))

new_filter <- function (data, expr) {
  exprs_ls <- purrr::imap(expr, ~ rlang::exprs(!! rlang::sym(.y) == !!.x))
  filter(data, !!! unname(unlist(exprs_ls)))
}

new_filter(ds.df, c(col1 = -0.2, col4 = "i"))
#>   col1 col2 col3 col4
#> 1 -0.2    1    9    i

^{创建于2020-06-17，作者： 重读包 (v0.3.0)} 以下是我的 另辟蹊径.在 基数R 你可以用 quote 来引用子集表达式(而不是创建一个向量)，然后您可以在 subset.

n <- 10   

ds.df=data.frame(col1=round(rnorm(n,2,4),digit=1),
                 col2=sample.int(2,n,replace=T),
                 col3=sample.int(n*10,n),
                 col4=sample(letters,n,replace=T))


subset_v = quote(col1 > 2 & col3 > 40)

subset(ds.df, eval(subset_v))
#>    col1 col2 col3 col4
#> 1   6.6    1   93    m
#> 2   7.0    2   62    j
#> 4   3.9    1   94    t
#> 7   4.5    1   46    r
#> 8   2.8    2   98    h
#> 10  4.9    1   78    p

^{创建于2020-06-17，由 重读包 (v0.3.0)}

同样的方法，但使用 dplyr 过滤

library(dplyr)

n <- 10 

ds.df = data.frame(col1 = round(rnorm(n,2,4), digit=1),
                   col2 = sample.int(2, n, replace=T),
                   col3 = sample.int(n*10, n),
                   col4 = sample(letters, n, replace=T))

filter_v = expr(col1 > 2 & col3 > 40)

filter(ds.df, !! filter_v)

#>   col1 col2 col3 col4
#> 1  3.3    1   70    a
#> 2  2.5    2   82    q
#> 3  3.6    1   51    z

^{创建于2020-06-17 重读包 (v0.3.0)}

Answer 2

在 data.table 你可以这样做。

setDT(ds.df)
subset_v = list(col1=-3.3, col2=1, col4="e")
ds.df[as.list(subset_v), on = names(subset_v)]

#    col1 col2 col3 col4
# 1: -3.3    1   29    e

可复制的数据。

set.seed(20)
n <- 10   
ds.df <- data.frame(
  col1 = round(rnorm(n, 2, 4), digit = 1),
  col2 = sample.int(2, n, replace = TRUE),
  col3 = sample.int(n*10, n),
  col4 = sample(letters, n, replace = TRUE)
)

Answer 3

我想你要找的是 merge:

subset <- function(ds.df,subset_v){
    filter = data.frame(as.list(subset_v))
    merge(ds.df,filter,by=names(filter),all=F)
}

这在以下两个方面都有效 data.frame 和 data.table，并与 data.table，应该和 @sindri_baldur 的答案一样，所以，如果你已经使用了 data.table，主要区别在于你是否喜欢输入 merge(x,y,by=z,all=F) 或 x[y,on=z].