如何使用“OR”组合多个条件以对数据框进行子集化？

Posted 2023-02-27

【中文标题】如何使用“OR”组合多个条件以对数据框进行子集化？

【英文标题】：How to combine multiple conditions to subset a data-frame using "OR"?

【发布时间】：2011-06-23 13:22:31

【问题描述】：

我在 R 中有一个 data.frame。我想在两个不同的列上尝试两个不同的条件，但我希望这些条件具有包容性。因此，我想使用“或”来组合条件。当我想使用“AND”条件时，我之前使用过以下语法并取得了很大的成功。

my.data.frame <- data[(data$V1 > 2) & (data$V2 < 4), ]

但我不知道如何在上面使用“或”。

【参考方案1】：

my.data.frame <- subset(data , V1 > 2 | V2 < 4)

模拟此函数的行为并且更适合包含在函数体中的替代解决方案：

new.data <- data[ which( data$V1 > 2 | data$V2 < 4) , ]

有些人批评which 的使用是不必要的，但它确实可以防止NA 值返回不需要的结果。在没有which 的情况下，与上面演示的两个选项等效（即不为 V1 或 V2 中的任何 NA 返回 NA 行）将是：

 new.data <- data[ !is.na(data$V1 | data$V2) & ( data$V1 > 2 | data$V2 < 4)  , ]

注意：我要感谢试图修复上面代码中的错误的匿名贡献者，该修复被版主拒绝。实际上，当我更正第一个错误时，我注意到了另一个错误。如果要按我的意图处理，则需要首先检查 NA 值的条件子句，因为 ...

> NA & 1
[1] NA
> 0 & NA
[1] FALSE

使用 '&" 时，参数的顺序可能很重要。

【讨论】：

这是投票率最高的问题，然后找到：***.com/questions/9860090/…

优点是简洁易懂。缺点是在功能构建任务中缺乏实用性。如果想用[ 复制它，则需要包装which 或使用额外的!is.na 约束。

是否需要'which'，如果不需要，为什么要使用它？

这不是“必需的”，但如果您省略 which，您可能会得到不同的结果。如果 V1 和 V2 都是 NA，如果您忽略了 which，您将在该位置获得一行 NA。我使用大型数据集，即使是相对较小比例的 NA 也会用垃圾输出填满我的屏幕。有些人认为这是一个特点。我没有。

除了这些条件之外，您如何包含对 grepl 或 grep 的调用以同时对所需行进行模式匹配？

【参考方案2】：

为了完整起见，我们可以使用运算符[和[[：

set.seed(1)
df <- data.frame(v1 = runif(10), v2 = letters[1:10])

几个选项

df[df[1] < 0.5 | df[2] == "g", ] 
df[df[[1]] < 0.5 | df[[2]] == "g", ] 
df[df["v1"] < 0.5 | df["v2"] == "g", ]

df$name 是 equivalent to df[["name", exact = FALSE]]

使用dplyr：

library(dplyr)
filter(df, v1 < 0.5 | v2 == "g")

使用sqldf：

library(sqldf)
sqldf('SELECT *
      FROM df 
      WHERE v1 < 0.5 OR v2 = "g"')

上述选项的输出：

          v1 v2
1 0.26550866  a
2 0.37212390  b
3 0.20168193  e
4 0.94467527  g
5 0.06178627  j

【讨论】：

对于 1 个 AND 条件和 3 个 OR 条件，您将如何执行此操作，例如：my.data.frame 10 & ((data$V1 > 2) | (data$V2

哇！ sqldf 包太好了。非常方便，尤其是当subset() 有点痛苦时:)

【参考方案3】：

您正在寻找“|”。见http://cran.r-project.org/doc/manuals/R-intro.html#Logical-vectors

my.data.frame <- data[(data$V1 > 2) | (data$V2 < 4), ]

【讨论】：

这对于NAs 在数据框中的存在并不可靠：vc <- data.frame(duzey=factor(c("Y","O","Y","D","Y","Y","O"), levels=c("D","O","Y"), ordered=TRUE), cinsiyet=c("E","E","K",NA,"K","E","K"), yas=c(8,3,9,NA,7,NA,6), Not=c(NA,1,1,NA,NA,2,1)); vc; vc[vc$cinsiyet == "E" | vc$Not < 4,]; vc[vc$cinsiyet == "E" & vc$Not < 2,]