使用 Filter 或 If Else 根据 R 中另一列中的值过滤指标

Posted 2023-02-14

【中文标题】使用 Filter 或 If Else 根据 R 中另一列中的值过滤指标

【英文标题】：Using Filter or If Else to filter an indicator based on the value in another column in R

【发布时间】：2022-01-22 12:14:09

【问题描述】：

我有一个包含 4 个指标（国家、站点名称、年份、Test_type 和 Number_ofTests）的示例数据集。我的最终目标是拥有一个同时包含 test_types（Covid 和 Flu）的数据集，但仅适用于实际提供 Covid 测试的网站。

这意味着我需要所有提供 Covid 测试的网站，但需要过滤掉那些进行流感测试但没有 Covid 的网站。

我在弄清楚如何构建代码时遇到了问题，因为“Flu”和“Covid”都在同一列“Test_Type”下。

我尝试了这段代码，但最终从“Covid”中删除了缺失的内容并保留了所有不是我想要的“流感”。

master2 % 过滤器（Test_Type %in% c("Covid") %>% drop_na(Number_Tests)

进一步说明：代码应该删除站点 112 和 118，因为它们不提供 Covid 测试 (number_tests = 0)，并且应该只为也提供 Covid 测试的站点保留流感变量。请注意：某些站点名称确实会在数据集中进一步重复

为了清楚起见，链接到数据集结构的图片：

【问题讨论】：

缺少) filter 部分？ master2 <- master1 %>% filter(Test_type == "Covid") %>% drop_na(Number_ofTests)

我在实际代码中有这个——只是忘了写在这里

根据您的屏幕截图和代码，Test_Type 和 Number_Tests 的列名都有错误

如果您只需要选择Covid并从数据中删除112和118，请尝试master1 %>% filter(Test_Type == "Covid", Number_Tests > 0)

问题是我需要根据 Covid 的值是否 > 0 来过滤掉流感。这有意义吗？我可以进一步澄清

【参考方案1】：

我会为此使用过滤连接。这个想法是过滤数据集以返回所有提供 Covid 测试的站点。然后我们可以使用过滤连接，例如dplyr 中的semi_join()。以下是它的工作原理：

master1 %>% 
  semi_join(
    master1 %>%
      filter(Test_Type == "Covid") %>%
      select(-Test_Type, -Number_Tests) %>%
      distinct()
   )

semi_join() 函数返回第一组中与第二组匹配的所有行。第二组被过滤到仅提供 Covid 测试的不同站点。