我有一个应用程序,我想在其中定义一个函数以允许观察 根据某一范围内的条件从数据集中选择 或更多变量。这在直接的 R 代码中相当简单,但我希望有一个数据驱动函数,可以将这些条件作为参数,并允许更通用的条件。
这是一个简单的例子
set.seed(1234)
n <- 100
testdat <- data.frame(
X = round(rnorm(n, mean=10, sd=3), 2),
Y = rnorm(n, mean=8, sd=2),
NL = sample(2:10, n, replace=TRUE)
)
使用范围数据框
假设我想用 0 <= X < 10
选择观测值和0 <= Y < 8
。我可以这样做:
# define a handy utility function
within <- function(x, a, b)
(!is.na(x)) & (x >= a) & (x <= b)
# specify ranges for variables
ranges <- data.frame(X = c(0,10), Y= c(0,8))
# calculate acceptance
OK <- rep(TRUE, n)
for (col in colnames(ranges)) {
OK <- OK & within(testdat[, col], ranges[1,col], ranges[2,col])
}
# select
testdat[OK,]
演示:
plot(Y ~ X, data=testdat, col=1+OK, pch=(15:16)[1+OK])
abline(v=ranges$X, h=ranges$Y, col="gray")
这很容易定义为函数:
Select <- function(x, ranges) {
OK <- rep(TRUE, nrow(x))
for (col in colnames(ranges)) {
OK <- OK & within(x[, col], ranges[1,col], ranges[2,col])
}
x[OK,]
}
使用 dplyr
使用dplyr
来做这类事情要简单得多,也灵活得多。 ,但我不知道如何将其转换为需要任意数量条件的函数。
与 dplyr
相同的示例:
selected <- testdat %>%
filter( within(X, 0,10), within(Y, 0,8) )
或者,
selected <- testdat %>%
filter( X < median(X), Y < median(Y) )
需要:具有以下调用的函数,其中 ...
对应于涉及 x
中变量的附加逻辑表达式
Select <- function(x, condition, ...) {
# what goes here ???
}
最佳答案
更新:这是该功能的更新版本,旨在提供更直观的方式来添加选择条件。条件以列表形式传递。每个列表元素都是一个具有三个元素的向量:列名称、下限和上限。只需向列表中添加更多元素即可添加更多列选择条件。这是该函数,后面是三个示例:
my_subset = function(data, conditions) {
vars = sapply(conditions, function(x) x[1])
gt = sapply(conditions, function(x) x[2])
lt = sapply(conditions, function(x) x[3])
data %>%
filter_(paste(vars, "<=", lt, collapse=" & ")) %>%
filter_(paste(vars, ">=", gt, collapse=" & "))
}
testdat %>% my_subset(list(c("X",4,10), c("Y",10,Inf)))
iris %>% my_subset(list(c("Sepal.Width",3.2,3.5), c("Petal.Width",0,0.2)))
mtcars %>% my_subset(list(c("mpg",20,25), c("wt", 2.5, Inf), c("hp", 0, 100)))
原始答案
这是一个 dplyr 函数,它将接受任意数量的条件并返回子集数据帧。我们使用 paste
将传递给函数的所有条件组合在一起。
my_subset = function(data, vars, gt=NULL, lt=NULL) {
if(!is.null(lt)) {
data = data %>%
filter_(paste(vars, "<", lt, collapse="&"))
}
if(!is.null(gt)) {
data = data %>%
filter_(paste(vars, ">", gt, collapse="&"))
}
data
}
现在对示例数据运行该函数:
my_subset(testdat, c("X","Y"), gt=c(4,3), lt=c(8,6))
或
testdat %>% my_subset(c("X","Y"), gt=c(4,3), lt=c(8,6))
X Y NL 1 7.67 5.780466 10 2 6.93 4.973424 5 3 7.87 5.656103 5 4 5.11 4.699798 4 5 5.98 4.103508 10 6 7.68 5.893234 7 7 5.83 5.752474 6
iris %>% my_subset(c("Petal.Width","Sepal.Length"), lt=c(0.3,4.5))
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 4.4 2.9 1.4 0.2 setosa 2 4.3 3.0 1.1 0.1 setosa 3 4.4 3.0 1.3 0.2 setosa 4 4.4 3.2 1.3 0.2 setosa
关于r - 用于选择一个或多个变量范围内的观测值的函数 (dplyr),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39578079/