删除数据框中引用另一个 (R) 中不存在的 ID 的行？

Posted 2023-02-22

【中文标题】删除数据框中引用另一个 (R) 中不存在的 ID 的行？

【英文标题】：Deleting rows in a dataframe that reference IDs that do not exist in another (R)?

【发布时间】：2019-06-10 23:12:33

【问题描述】：

我有更多的概念性问题。如果它包含对第二个数据框中不存在的数据的引用，我正在寻找一种从数据框中删除整行的方法。下面的代码将为您生成一个针对此问题的数据集。

v1 <- c(1, 2, 3, 4, 5, 6, 8)
v2 <- 100
nodedf <- data.frame(v1, v2)
colnames(nodedf)  <- ("nid", "extra_variable") 

v3 <- c(1, 2)
v4 <- c(1, 5)
v5 <- c(2, 6)
v6 <- c(3, 7)
v7 <- c(4, 9)

elementdf <- data.frame(v3, v4, v5, v6, v7)
colnames(elementdf)  <- c("eid", "n1", "n2", "n3", "n4") 

基本上，我想要来自elementdfdeleted 的任何行，如果它引用了nodedf 中不存在的节点ID（n1、n2、n3、n4）。我知道这可能是一个相当简单的问题，但我真的不擅长这种事情。谢谢。

编辑：现在我想做相反的事情，我想删除引用 elementdf 中不存在的节点的 nodedf 行。

一开始我试着像这样重新排列旧的代码块：

orphannodesbye<- nodedf[apply(nodedf[,1], 1, function(x) all(x %in% elementdf[,2:5])),] 

但是，我收到一条错误消息：

Error in apply(nodedf[, 1], 1, function(x) all(x %in% elementdf[, 2:5])) : 
  dim(X) must have a positive length

我希望输出是包含两个字段的整个 df（或更多，因为我的实际数据集有更多）nid 和 extra_variable。

【问题讨论】：

从您的示例来看，似乎不应删除 nodedf 中的任何内容（因为 nodedf 中的所有节点都出现在 elementdf 中。您的意思是，例如，v1包括9，是否应该删除带有9 的行？

对不起，我忽略了这一点。我现在只是更改了数据中的一个值以反映这一点。

查看我修改后的答案。 apply 语句真的很有必要，因为我们只是在做一些集合匹配。

【参考方案1】：

这是一个基本的 R 解决方案

elementdf[apply(elementdf[,-1], 1, function(x) all(x %in% nodedf$nid)),]

解释：

apply 通过将函数（在本例中为自定义函数）“应用”到对象 elementdf 的每一行（函数中的变量 x）来工作。如果我们想按列执行此操作，我们会将1 更改为2。

我们使用的函数查看x 中的每个元素（elementdf 中的一行）并测试它是否也在nodedf 中。 %in% 是一个特殊的函数，它返回一个逻辑向量，x 中每个元素的一个元素。 all 函数返回 TRUE 如果所有元素都是TRUE（意味着它们都在nodedf 中），否则返回FALSE。

所以最后，apply 语句会返回一个逻辑向量，这取决于每一行是否有在nodedf 中找到的元素。

---

要获取每行中不在nodedf 中的值，您可以这样做

apply(elementdf[,-1], 1, function(x) x[!(x %in% nodedf$nid)])

您会注意到它已经与上面的代码行非常相似。除了这种情况，apply 语句将返回一个列表。在您给出的示例中，它将是一个长度为 2 的列表，其中第一个元素是 numeric(0)，第二个元素是包含 7 的向量。如果一行中有多个违规者，则会显示每个违规者。

---

要删除nodedf 中在elementdf 中没有引用的行，您可以这样做

nodedf[nodedf$nid %in% unique(unlist(elementdf[,-1])),]

unique(unlist(...)) 部分只是抓取elementdf[,-1] 中的所有唯一值，将它们转换为数字向量。

【讨论】：

这太好了，谢谢。是否可以对其进行修改以返回显示消除了哪些元素 ID 的结果？如果您还可以分解代码如何删除该行？我看到它在 elementdf 上按行应用，并且使用了字符匹配，但是代码的哪一部分告诉它要删除？

@hmnoidk 编辑应该回答您的问题。如果有任何不清楚的地方，请告诉我。

@hmnoidk 是的，我进行了编辑。 [,-1] 删除第一列。

如果我理解你的意思，你想删除nodedf 中在elementdf[,2:5] 中根本找不到的节点吗？您可能想尝试nodedf$nid[nodedf$nid %in% as.numeric(unlist(elementdf[,-1]))] 之类的方法。由于nodedf$nid 是一个向量，apply 将返回该错误。 （请注意，dim(nodedf$nid) 是 NULL。）如果您想在向量上使用 apply，请查看 ?lapply 或 ?tapply。

我很难理解。也许您可以编辑问题（或提出新问题），以便准确显示您正在寻找的输出类型。我对你的问题有一个模糊的概念，但如果你能在评论之外更详细地描述它会很有帮助。