可能是一个糟糕的标题,但我有一个存储为“1”、“2”和“3”的限定词表。我想要做的是查看每一行(大约 300,000 行,但可变。)并确定单个“3”出现的位置,(如果它出现不止一次,我对它不感兴趣)和其余的该行中的列中有一个“1”,并将其返回到列表中。 (列数和列名根据输入文件而变化。)
本能地,我想通过执行嵌套的 for 循环来尝试这一点,该循环索引行数,然后是列数,然后是一些查找“3”而不是“2”的函数。 --这可能意味着首选方式是某些应用功能正确吗?
另一种方法是对列数求和,加 2,然后对行求和,同时有一个限定符,即行中不能有 2。但这看起来相当复杂。
df1
seq loc Ball Cat Square Water
1 AAAAAACCAGTCCCAGTTCGGATTG t 3 1 1 1
2 AAAAAACCAGTCTCAGTTCGGATTG b 1 1 3 3
3 AAAAAACCAGTCTCAGTTCGGATTG t 1 3 2 1
4 AAAAAACCGGTCACAGTTCAGATTG b 1 1 1 2
5 AAAAAACCGGTCACAGTTCAGATTG t 1 1 3 1
Expected Ouput:
seq loc Group
1 AAAAAACCAGTCCCAGTTCGGATTG t Ball
2 AAAAAACCGGTCACAGTTCAGATTG t Square
dput of df1:
structure(list(seq = structure(c(1L, 2L, 2L, 3L, 3L), .Label =
c("AAAAAACCAGTCCCAGTTCGGATTG",
"AAAAAACCAGTCTCAGTTCGGATTG", "AAAAAACCGGTCACAGTTCAGATTG"), class =
"factor"),
loc = structure(c(2L, 1L, 2L, 1L, 2L), .Label = c("b",
"t"), class = "factor"), Ball = c("3", "1", "1", "1", "1"
), Cat = c("1", "1", "3", "1", "1"), Square = c("1", "3",
"2", "1", "3"), Water = c("1", "3", "1", "2", "1")), row.names = c(NA,
-5L), class = c("tbl_df", "tbl", "data.frame"))
最佳答案
这是一个没有 tidyverse 甚至 *apply 函数的解决方案。首先,让我们将这四列转换为整数:
cols <- 3:6
df1[cols] <- lapply(df1[cols], as.integer)
然后
df <- df1[rowSums(df1[cols]) == (3 + length(cols) - 1) & rowSums(df1[cols] == 3) == 1, ]
df$Group <- names(df)[cols][which(t(df[cols]) == 3, arr.ind = TRUE)[, 1]]
df
# A tibble: 2 x 7
# seq loc Ball Cat Square Water Group
# <fct> <fct> <int> <int> <int> <int> <chr>
# 1 AAAAAACCAGTCCCAGTTCGGATTG t 3 1 1 1 Ball
# 2 AAAAAACCGGTCACAGTTCAGATTG t 1 1 3 1 Square
在第一行中,我使用两个条件选择了正确的行:在那些
cols
列 ( rowSums(df1[cols] == 3) == 1
) 中必须只有一个等于 3 的元素,并且该行的总和必须是 3 + length(cols) - 1
。然后在第二行我检查哪些列有 3
并选择 df
的相应名称作为 Group
的值。
关于r - 确定一个值是否在一行列中出现一次,但第二个值根本不出现,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53841449/