如何过滤具有两列条件的数据框？ [复制]

Posted 2023-03-14

【中文标题】如何过滤具有两列条件的数据框？ [复制]

【英文标题】：how to filter data frame with conditions of two columns? [duplicate]

【发布时间】：2013-12-03 18:26:04

【问题描述】：

我正在尝试从数据框中进行选择。问题是为什么我下面的最后一个查询返回所有 5 条记录而不是前两条？

> x <- c(5,1,3,2,4)
> y <- c(1,5,3,4,2)
> data <- data.frame(x,y)
> data
  x y
1 5 1
2 1 5
3 3 3
4 2 4
5 4 2
> data[data$x > 4 || data$y > 4]
  x y
1 5 1
2 1 5
3 3 3
4 2 4
5 4 2

【问题讨论】：

尝试使用| 代替||，然后查看help("||") 了解两者的区别。

【参考方案1】：

(1) 对于选择数据（子集），我强烈推荐 Hadley Wickhm 编写的 plyr 包中的 subset 函数，它更简洁易用：

library(plyr)
subset(data, x > 4 | y > 4)

更新：

plyr 有一个更新版本，称为 dplyr (here)，它也来自 Hadley，但据说更快更容易使用。如果你见过像%.% 或%>% 这样的操作符，你就会知道他们使用dplyr 链接操作。

result <- data %>%
          filter(x>4 | y>4)  #NOTE filter(condition1, condition2..) for AND operators.

(2)|和||确实存在一些差异：

您可以通过以下方式查看帮助手册：?'|'

较短的形式执行元素比较的方式与算术运算符大致相同。较长的形式从左到右评估，仅检查每个向量的第一个元素。仅在确定结果之前进行评估。较长的形式适用于编程控制流，通常在 if 子句中首选。

> c(1,1,0) | c(0,0,0)
[1]  TRUE  TRUE FALSE
> c(1,1,0) || c(0,0,0)
[1] TRUE

根据您的问题，您所做的基本上是data[TRUE]，它...将返回完整的数据框。

【讨论】：

你确定subset来自plyr吗？

@DavidArenburg，我认为 R 的名称空间有时会令人困惑，我非常有信心 dplyr 中有一个子集函数，可能是 plyr，并且可能还有一个来自基本包的子集函数。 .

在 plyr 或 dplyr 中都没有 subset 函数。有data.table 的方法，但如果那让你感到困惑。

@DavidArenburg，除了你说的； subset建议只用于交互使用；建议使用[、[[ 子集。因此，subset 可能也不适合这里，因为它无法在过滤时正确处理数据框中的NAs。

编辑：虽然subset 建议仅用于交互使用，[，[[ 子集建议；上述解决方案对于数据框中存在NAs 是稳健的：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; subset(vc, cinsiyet=="E" | Not<4); subset(vc, cinsiyet=="E" & Not<2)。因此，能够使用NAs 处理数据帧，这个解决方案很好。

【参考方案2】：

这里有一些对我有用的东西。

data[data[,1] > 4 | data[,2] > 4,1:2]

我不确定您的方法为什么不起作用，但我认为这是因为您没有告诉它何时不打印。看看help("[")。

【讨论】：

此解决方案 - 同构等同于 3 票 data[data$x > 4 | data$y > 4,] 解决方案 - 对数据框中 NAs 的存在并不稳健：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[,2] == "E" | vc[,4] < 4,1:4]; vc[vc[,2] == "E" & vc[,4] < 2,1:4]。

【参考方案3】：

获取您的确切代码并稍作修改

> x <- c(5,1,3,2,4)
> y <- c(1,5,3,4,2)
> data <- data.frame(x,y)
> data[data$x > 4 | data$y > 4,]
  x y
1 5 1
2 1 5

有两件重要的事情需要注意。一个是||已改为|，二是在最后一个方括号前多了一个逗号(,)，这样可以让过滤器正常工作。

【讨论】：

此解决方案对于数据框中 NAs 的存在并不稳健：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,]