通过要删除的行的多个逻辑条件子集数据帧

Posted 2023-03-11

【中文标题】通过要删除的行的多个逻辑条件子集数据帧

【英文标题】：Subset dataframe by multiple logical conditions of rows to remove

【发布时间】：2011-09-08 19:25:15

【问题描述】：

我想通过指定将哪些行不 (!) 保留在新数据框中来对数据框进行子集化（过滤）。这是一个简化的示例数据框：

data
v1 v2 v3 v4
a  v  d  c
a  v  d  d
b  n  p  g
b  d  d  h    
c  k  d  c    
c  r  p  g
d  v  d  x
d  v  d  c
e  v  d  b
e  v  d  c

例如，如果列 v1 的一行有“b”、“d”或“e”，我想去掉那一行观察结果，生成以下数据框：

v1 v2 v3 v4
a  v  d  c
a  v  d  d
c  k  d  c    
c  r  p  g

我一次成功地根据一个条件进行子集化。例如，这里我删除了 v1 包含“b”的行：

sub.data <- data[data[ , 1] != "b", ]

但是，我有很多很多这样的条件，所以一次做一个是不可取的。我在以下方面没有成功：

sub.data <- data[data[ , 1] != c("b", "d", "e")

或

sub.data <- subset(data, data[ , 1] != c("b", "d", "e"))

我也尝试了一些其他的东西，比如!%in%，但这似乎不存在。 有什么想法吗？

【参考方案1】：

试试这个

subset(data, !(v1 %in% c("b","d","e")))

【讨论】：

很好很简单，谢谢。我不确定我更喜欢哪种解决方案，这个解决方案还是 Andrie 提供的解决方案。它们既简单又有效。这三种解决方案都对我有用，我以前从未使用过which()。所以，很高兴被介绍到该功能。

如果它可以帮助您决定是使用subset 还是[，请查看?subset 帮助中的警告："这是旨在交互使用的便利函数。对于编程，最好使用标准子集函数，例如 [，特别是参数子集的非标准评估可能会产生意想不到的后果。”

@Andrie 感谢您的澄清。

【参考方案2】：

! 应该在语句的外面：

data[!(data$v1 %in% c("b", "d", "e")), ]

  v1 v2 v3 v4
1  a  v  d  c
2  a  v  d  d
5  c  k  d  c
6  c  r  p  g

【参考方案3】：

您还可以通过包含 & 来分隔语句来将事物分解为单独的逻辑语句来实现此目的。

subset(my.df, my.df$v1 != "b" & my.df$v1 != "d" & my.df$v1 != "e")

这并不优雅，需要更多代码，但对于新的 R 用户来说可能更具可读性。正如上面评论中所指出的，subset 是一个“便利”功能，最适合在交互工作时使用。

【讨论】：

不应该是| 而不是& 吗？

@BenBolker 如果您更改为|，您将获得与输入相同的数据。

@Frank 你能解释一下& 与!= 配对的逻辑吗？像 Ben 一样，似乎应该使用 |，但你说得对，它不应该使用。我对以这种方式对多个列进行子集化感到特别困惑。例如，使用上面 Herman 的示例数据，要从 v1 中删除所有“b”案例，从 v2 中删除所有“n”，我认为my.df[my.df$v1 != "b" & my.df$v2 != "n",] 只会删除同时满足这两个标准的案例（即只有第 3 行)，而不是这些标准中的任何一个（即第 3 行和第 4 行）。事实上，使用| 和!= 可以达到我期望& 的效果，但我不明白为什么。

如果有|，任何条件中的单个TRUE 结果将导致整个语句计算为TRUE。所有条件都必须计算为FALSE，语句才能计算为FALSE。对于&，单个FALSE 条件将使整个语句计算为FALSE。如果要使用or，可以使用exclusive or：xor，像这样：subset(my.df, xor(xor(my.df$v1 != "b", my.df$v1 != "d"), my.df$v1 != "e"))。

【参考方案4】：

这个答案更多的是解释为什么，而不是如何。 R 中的 '==' 运算符以与 '+' 运算符相同的方式进行矢量化。它将左侧任何元素的元素与右侧任何元素的元素匹配，每个元素。例如：

> 1:3 == 1:3
[1] TRUE TRUE TRUE

这里第一个测试是1==1，它是TRUE，第二个是2==2，第三个是3==3。请注意，这会在第一个和第二个元素中返回 FALSE，因为顺序错误：

> 3:1 == 1:3
[1] FALSE  TRUE FALSE

现在，如果一个对象比另一个对象小，那么较小的对象会尽可能多地重复以匹配较大的对象。如果较大对象的大小不是较小对象大小的乘积，则会收到警告，指出并非所有元素都重复。例如：

>  1:2 == 1:3
[1]  TRUE  TRUE FALSE
Warning message:
In 1:2 == 1:3 :
  longer object length is not a multiple of shorter object length

这里第一个匹配是1==1，然后是2==2，最后是1==3（FALSE），因为左侧更小。如果其中一侧只有一个元素，则重复：

> 1:3 == 1
[1]  TRUE FALSE FALSE

测试元素是否在向量中的正确运算符确实是'%in%'，它仅向量化到左元素（对于左向量中的每个元素，它会测试它是否是右元素中任何对象的一部分)。

或者，您可以使用'&' 组合两个逻辑语句。 '&' 接受两个元素并逐元素检查两者是否为真：

> 1:3 == 1 & 1:3 != 2
[1]  TRUE FALSE FALSE

【参考方案5】：

data <- data[-which(data[,1] %in% c("b","d","e")),]

【讨论】：

-which 是邪恶的，如果要匹配的向量中没有任何值在源向量中，则会产生意想不到的结果。

【参考方案6】：

my.df <- read.table(textConnection("
v1 v2 v3 v4
a  v  d  c
a  v  d  d
b  n  p  g
b  d  d  h    
c  k  d  c    
c  r  p  g
d  v  d  x
d  v  d  c
e  v  d  b
e  v  d  c"), header = TRUE)

my.df[which(my.df$v1 != "b" & my.df$v1 != "d" & my.df$v1 != "e" ), ]

  v1 v2 v3 v4
1  a  v  d  c
2  a  v  d  d
5  c  k  d  c
6  c  r  p  g

【参考方案7】：

sub.data<-data[ data[,1] != "b"  & data[,1] != "d" & data[,1] != "e" , ]

更大但易于理解（我猜）并且可以与多个列一起使用，即使是!is.na( data[,1])。

【参考方案8】：

还有

library(dplyr)
data %>% filter(!v1 %in% c("b", "d", "e"))

或

data %>% filter(v1 != "b" & v1 != "d" & v1 != "e")

或

data %>% filter(v1 != "b", v1 != "d", v1 != "e")

由于& 运算符由逗号隐含。