R:基于一列按两个条件对数据框进行子集

Question

我有一个包含位置 ( loc ) 的数据框，其中每个位置都有两个区域 ( type ) 以及每个区域中的干扰区域 ( area )。从我的数据框中，我想保留两个区域都有干扰的位置。

我认为我可以简单地通过两个条件对数据进行子集化来做到这一点，但是使用 AND 条件 (&)

subset(dd, (dd$type == "npr" & dd$area > 0 ) & (dd$type == "buff" & dd$area > 0 ) ) 

给我空输出

[1] loc  type area
<0 rows> (or 0-length row.names)

并使用“OR”条件(|)

subset(dd, (dd$type == "npr" & dd$area > 0 ) | (dd$type == "buff" & dd$area > 0 ) ) 

这不是我想要的..

  loc type area
1   a  npr   10
2   a buff   20
4   b buff   10
5   c  npr    5
7   d  npr    5
8   d buff    5

如何正确对两种区域类型中扰动面积 > 0 的位置进行子集化？

---

我的虚拟数据:

loc<-c("a", "a", "b", "b", "c", "c", "d", "d")
type= rep(c("npr", "buff"), 4)
area = c(10,20,0,10,5,0,5,5)


dd<-data.frame(loc, type, area)

---

期望的输出:

loc type area
1   a  npr   10
2   a buff   20
3   d  npr    5
4   d buff    5

Answer 1

您需要计算分组摘要才能实现此目的。也就是说，你想要 找出每个loc该位置的所有区域是否> 0。 我一直发现基础 R 对于分组统计有点尴尬，但这里是 实现这一目标的一种方法。

首先，使用tapply()来确定每个loc是否应该 包含或不包含:

(include <- tapply(dd$area, dd$loc, function(x) all(x > 0)))
#>     a     b     c     d 
#>  TRUE FALSE FALSE  TRUE

然后我们可以使用 loc 值来索引该结果以获得合适的向量 将 dd 子集化为:

include[dd$loc]
#>     a     a     b     b     c     c     d     d 
#>  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE

dd[include[dd$loc], ]
#>   loc type area
#> 1   a  npr   10
#> 2   a buff   20
#> 7   d  npr    5
#> 8   d buff    5

我们还可以将这些步骤放在 subset() 调用中以避免 创建额外的变量:

subset(dd, tapply(area, loc, function(x) all(x > 0))[loc])
#>   loc type area
#> 1   a  npr   10
#> 2   a buff   20
#> 7   d  npr    5
#> 8   d buff    5

或者，您可以使用 dplyr :

library(dplyr)

dd %>% 
  group_by(loc) %>% 
  filter(all(area > 0))
#> # A tibble: 4 x 3
#> # Groups:   loc [2]
#>   loc   type   area
#>   <fct> <fct> <dbl>
#> 1 a     npr      10
#> 2 a     buff     20
#> 3 d     npr       5
#> 4 d     buff      5

由 reprex package 创建于 2018-07-25 (v0.2.0.9000)。