r - 如何从数据框中删除超出变量特定范围的记录？ [R]

Question

我有一个数据框和一个我想应用于数据的预测模型。但是，我想过滤掉模型可能不太适用的记录。为此，我有另一个数据框，其中包含训练数据中观察到的每个变量的最小值和最大值。我想从我的新数据中删除那些一个或多个值超出指定范围的记录。

为了让我的问题更清楚，这就是我的数据可能的样子:

  id   x       y     
 ---- ---- --------- 
   1    2     30521  
   2   -1      1835  
   3    5     25939  
   4    4   1000000  

这是我的第二张表，包括最小值和最大值，可能看起来像:

  var   min    max   
 ----- ----- ------- 
  x       1       5  
  y       0   99999  

在这个例子中，我想在我的数据中标记以下记录:2(低于 x 的最小值)和 4(高于 y 的最大值)。

我怎么能在 R 中轻松地做到这一点？我有一种预感 dplyr可以完成此任务的代码，但我不知道它会是什么样子。

Answer 1

你有这样的数据:

df = data.frame(x=c(2,-1,5,4,7,8), y=c(30521, 1800, 25000,1000000, -5, 10))
limits = data.frame("var"=c("x", "y"), min=c(1,0), max=c(5,99999))

您可以使用 sweep带运算符的函数 '>'和 '<'这很简单!

sweep(df, 2, limits[, 2], FUN='>') & sweep(df, 2, limits[, 3], FUN='<')
####          x     y
#### [1,]  TRUE  TRUE
#### [2,] FALSE  TRUE
#### [3,] FALSE FALSE
#### [4,]  TRUE FALSE
#### [5,] FALSE FALSE
#### [6,] FALSE  TRUE

TRUE 位置告诉您要为每个变量保留哪些观测值。
它应该适用于任意数量的变量

之后，如果您需要全局标志(至少是一列中的标志)，您可以运行这个简单的行(res 是前一个输出)

apply(res, 1, all)
#### [1]  TRUE FALSE FALSE FALSE FALSE FALSE