返回r数据框中特定行的上下行

Posted 2023-04-13

【中文标题】返回r数据框中特定行的上下行

【英文标题】：Returning above and below rows of specific rows in r dataframe

【发布时间】：2012-10-31 10:13:26

【问题描述】：

考虑任何数据框

            col1   col2    col3   col4
row.name11    A     23      x       y
row.name12    A     29      x       y
row.name13    B     17      x       y
row.name14    A     77      x       y

我有一个我想从这个数据框返回的行名列表。假设我在列表中有 row.name12 和 row.name13。我可以轻松地从数据框中返回这些行。但我也想返回上面的 4 行和下面的 4 行。这意味着我想从 row.name8 返回到 row.name17。我认为它类似于 shell 中的grep -A -B。

可能的解决方案 - 有没有办法按行名返回行号？因为如果我有行号，我可以轻松地减去 4 并在行号中添加 4 并返回行。

注意：这里的行名只是示例。行名可以是红色、蓝色、黑色等。

【参考方案1】：

试试看：

extract.with.context <- function(x, rows, after = 0, before = 0) 

  match.idx  <- which(rownames(x) %in% rows)
  span       <- seq(from = -before, to = after)
  extend.idx <- c(outer(match.idx, span, `+`))
  extend.idx <- Filter(function(i) i > 0 & i <= nrow(x), extend.idx)
  extend.idx <- sort(unique(extend.idx))

  return(x[extend.idx, , drop = FALSE])


dat <- data.frame(x = 1:26, row.names = letters)
extract.with.context(dat, c("a", "b", "j", "y"), after = 3, before = 1)
#    x
# a  1
# b  2
# c  3
# d  4
# e  5
# i  9
# j 10
# k 11
# l 12
# m 13
# x 24
# y 25
# z 26

【讨论】：

很好地使用了Filter()（我想这就是它的用途，对吧？）恭喜你获得了 10k！我刚看到！

【参考方案2】：

也许which() 和%in% 的组合会对您有所帮助：

dat[which(rownames(dat) %in% c("row.name13")) + c(-1, 1), ]
#            col1 col2 col3 col4
# row.name12    A   29    x    y
# row.name14    A   77    x    y

在上面，我们试图识别“dat”中的哪些行名称是“row.name13”（使用which()），+ c(-1, 1) 告诉 R 返回之前的行和之后的行。如果您想包含该行，您可以执行+ c(-1:1) 之类的操作。

要获取行的范围，请将逗号切换为冒号：

dat[which(rownames(dat) %in% c("row.name13")) + c(-1:1), ]
#            col1 col2 col3 col4
# row.name12    A   29    x    y
# row.name13    B   17    x    y
# row.name14    A   77    x    y

---

更新

匹配一个列表有点棘手，但不用考虑太多，这里有一种可能：

myRows <- c("row.name12", "row.name13")
rowRanges <- lapply(which(rownames(dat) %in% myRows), function(x) x + c(-1:1))
# [[1]]
# [1] 1 2 3
# 
# [[2]]
# [1] 2 3 4
#
lapply(rowRanges, function(x) dat[x, ])
# [[1]]
#            col1 col2 col3 col4
# row.name11    A   23    x    y
# row.name12    A   29    x    y
# row.name13    B   17    x    y
# 
# [[2]]
#            col1 col2 col3 col4
# row.name12    A   29    x    y
# row.name13    B   17    x    y
# row.name14    A   77    x    y

这会输出data.frames 中的list，这可能很方便，因为您可能有重复的行（如本例中所示）。

更新 2：如果更合适，请使用 grep

这是您问题的一种变体，使用which()...%in% 方法解决起来不太方便。

set.seed(1)
dat1 <- data.frame(ID = 1:25, V1 = sample(100, 25, replace = TRUE))
rownames(dat1) <- paste("rowname", sample(apply(combn(LETTERS[1:4], 2), 
                                               2, paste, collapse = ""), 
                                         25, replace = TRUE), 
                       sprintf("%02d", 1:25), sep = ".")
head(dat1)
#               ID V1
# rowname.AD.01  1 27
# rowname.AB.02  2 38
# rowname.AD.03  3 58
# rowname.CD.04  4 91
# rowname.AD.05  5 21
# rowname.AD.06  6 90

现在，假设您想用AB 和AC 识别行，但您没有数字后缀列表。

这里有一个可以在这种情况下使用的小函数。它从@Spacedman 借了一点，以确保返回的行在数据范围内（根据@flodel 的建议）。

getMyRows <- function(data, matches, range) 
  rowMatches = lapply(unlist(lapply(matches, function(x)
    grep(x, rownames(data)))), function(y) y + range)
  rowMatches = lapply(rowMatches, function(x) x[x > 0 & x <= nrow(data)])
  lapply(rowMatches, function(x) data[x, ])

您可以按如下方式使用它（但我不会在这里打印结果）。首先，指定数据集，然后是要匹配的模式，然后是范围（在本例中，前三行和后四行）。

getMyRows(dat1, c("AB", "AC"), -3:4)

将其应用到前面匹配row.name12 和row.name13 的示例中，可以如下使用：getMyRows(dat, c(12, 13), -1:1)。

您还可以修改该函数以使其更通用（例如，指定与列名而不是行名匹配）。

【讨论】：

谢谢。我尝试了 2 行，但得到了一些有趣的结果。使用您的示例（只有 1 个行名）它工作正常，但是如果我想做 %in% c("row.name12", "row.name13") 那么我得到了有趣的结果。

我非常喜欢列表的想法。为了使事情变得完美，您应该添加一些东西来删除可能超出范围的行索引。

@flodel，我添加了一个可能的解决方案（基于 Spacedman 的回答），并举例说明如果 grep 更有可能成为匹配的候选者，如何解决该问题。

【参考方案3】：

创建一些示例数据：

> dat=data.frame(col1=letters,col2=sample(26),col3=sample(letters))
> dat
   col1 col2 col3
1     a   26    x
2     b   12    i
3     c   15    v
...

设置我们的目标向量（注意我选择了边缘情况和重叠情况），并找到匹配的行：

> target=c("a","e","g","s")
> match = which(dat$col1 %in% target)

创建从 -2 到 +2 匹配的序列（根据您的需要进行调整）并合并：

> getThese = unique(as.vector(mapply(seq,match-2,match+2)))
> getThese
 [1] -1  0  1  2  3  4  5  6  7  8  9 17 18 19 20 21

修复边缘情况：

> getThese = getThese[getThese > 0 & getThese <= nrow(dat)]
> dat[getThese,]
   col1 col2 col3
1     a   26    x
2     b   12    i
3     c   15    v
4     d   22    d
5     e    2    j
6     f    9    l
7     g    1    w
8     h   21    n
9     i   17    p
17    q   18    a
18    r   10    m
19    s   24    o
20    t   13    e
21    u    3    k
> 

记住我们的目标是 a、e、g 和 s。你现在已经得到了这些加上上面的两行和下面的两行，没有重复。

如果您使用的是行名，只需从中创建“匹配”。我使用的是列。

如果这是我的问题，我会使用 testthat 包编写更多测试。

【讨论】：

我总是忘记mapply。我只是将您的 getThese 更改为 getThese <= nrow(dat) 以可能也包括最后一行。

糟糕。因一个错误而关闭。如果我写了更多的测试用例......将编辑。

【参考方案4】：

另一种选择是使用filter。如果 stats::filter 被屏蔽，例如通过dplyr::filter，你必须使用stats::filter。

dat <- data.frame(x = seq_along(letters), row.names = letters)

i <- rownames(dat) %in% c("a", "b", "j", "y") #Get the matches

nAfter <- 3
nBefore <- 1

fi <- seq(-nBefore, nAfter)
n <- max(abs(x))
fi <- seq(-n, n) %in% fi

dat[head(tail(filter(c(rep(FALSE, n), i, rep(FALSE, n)), fi), -n), -n) > 0,, drop = FALSE]
#   x
#a  1
#b  2
#c  3
#d  4
#e  5
#i  9
#j 10
#k 11
#l 12
#m 13
#x 24
#y 25
#z 26

【参考方案5】：

我会简单地按照以下方式进行：

dat[(grep("row.name12",row.names(dat))-4):(grep("row.name13",row.names(dat))+4),]

grep("row.name12",row.names(dat)) 给你以"row.name12" 作为名称的行号，所以

(grep("row.name12",row.names(dat))-4):(grep("row.name13",row.names(dat))+4)

为您提供一系列行号，范围从名为 "row.name12" 的行之前的第 4 行到名为 "row.name13" 的行之后的第 4 行。