R 根据多个条件获取行 - 使用 dplyr 和 reshape2

Posted 2023-03-14

【中文标题】R 根据多个条件获取行 - 使用 dplyr 和 reshape2

【英文标题】：R get rows based on multiple conditions - use dplyr and reshape2

【发布时间】：2015-01-29 15:08:55

【问题描述】：

df <- data.frame(
    exp=c(1,1,2,2),
  name=c("gene1", "gene2", "gene1", "gene2"),
    value=c(1,1,3,-1)
    )

在尝试习惯 dplyr 和 reshape2时，我偶然发现了一种基于多个条件选择行的“简单”方法。如果我想在实验 1 中拥有那些具有valueabove 0 的基因（namevariable）（exp== 1）并且同时在实验 2 中拥有valuebelow 0；在 df 这将是“gene2”。当然必须有很多方法，例如每组条件（exp==1 & value > 0, and exp==2 and value

library(dplyr)    
inner_join(filter(df,exp == 1 & value > 0),filter(df,exp == 2 & value < 0), by= c("name"="name"))[[1]]

虽然这可行，但它看起来很不公平，我觉得这种条件过滤位于reshape2 和dplyr 的核心，但不知道如何做到这一点。有人可以在这里启发我吗？

【参考方案1】：

filter 允许多个带逗号的参数，与select 相同。每个额外的条件都是一个 AND：

group_by(df, name) %>% filter(value[exp == 1] > 0, value[exp == 2] < 0)

来自官方文档：https://cran.rstudio.com/web/packages/dplyr/vignettes/introduction.html

那里显示的例子是：

flights[flights$month == 1 & flights$day == 1, ] 在基础 R

filter(flights, month == 1, day == 1) 在 dplyr 中。

【参考方案2】：

另一个 dplyr 选项是：

group_by(df, name) %>% filter(value[exp == 1] > 0 & value[exp == 2] < 0)

#Source: local data frame [2 x 3]
#Groups: name
#
#  exp  name value
#1   1 gene2     1
#2   2 gene2    -1

【参考方案3】：

可能这比您自己的解决方案更令人费解，但我认为它具有“dplyr”的感觉：

df %>% 
    filter((exp == 1 & value > 0) | (exp == 2 & value < 0)) %>% 
    group_by(name) %>% 
    filter(length(unique(exp)) == 2) %>% 
    select(name) %>% 
    unique()

#Source: local data frame [1 x 1]
#Groups: name

#   name
#1 gene2

【参考方案4】：

想到的另一种选择是将数据转换为“宽”格式，然后进行过滤。

这是一个使用“data.table”的示例（为了方便复合语句）：

library(data.table)
dcast.data.table(as.data.table(df), name ~ exp)[`1` > 0 & `2` < 0]
#     name 1  2
# 1: gene2 1 -1

---

类似地，“dplyr”和“tidyr”：

library(dplyr)
library(tidyr)
df %>% 
  spread(exp, value) %>% 
  filter(`1` > 0 & `2` < 0)

【讨论】：

这个解决方案既简单又出色！谢谢！我让我学到了很多东西！顺便问一下，我可以问你一个问题吗？为什么新的列名要表示为`1`而不是'1'或"1"？谢谢！

@FranciscoRodriguezAlgarra，说实话，我没有尝试其他人。一般来说，在处理有问题的变量名时，我会直接使用反引号，这也是在?Quote的帮助页面中推荐的。

@Ananda Mahto，您能否解释一下您对反引号的评论 - 变量名称是否可能有问题（因为它们有名称“1”和“2”）？

@user3375672，是的。 dcast 不会尝试使名称在语法上有效，因此在这种情况下，我们最终会得到名为“1”和“2”的列。由于它们在语法上无效，因此需要以某种方式引用它们。