R：基於一列的兩個條件的子集數據幀

Question

我有一個包含位置（ loc ）的數據框，其中每個位置都有兩個區域（ type ）和每個區域中的干擾區域（ area ）。 從我的數據框中，我想保留兩個區域都受干擾的位置。

我以為我可以通過按兩個條件設置數據子集來簡單地做到這一點，但是使用AND條件（＆）

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

給我空輸出

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

並使用“ OR”條件（|）

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

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

在兩種區域類型中，如何正確子集擾動區域> 0的位置？

---

我的虛擬數據：

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)

---

所需的輸出：

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

Answer 1

您需要計算一個分組摘要以實現此目的。 也就是說，你要找出每個loc如果所有的area在那只位置是> 0。我一直覺得基礎R有點尷尬的分組統計數據，但在這里是實現的一個方法。

首先，使用tapply()以確定每個loc它是否應當被包括或不：

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

然后，我們可以使用loc值對結果進行索引，以得到一個適合於dd子集的向量，其中：

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

我們還可以將這些步驟放到一個subset()調用中，以避免創建額外的變量：

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

另外，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軟件包 （v0.2.0.9000）創建於2018-07-25。

Answer 2

我將首先重塑：

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)

library(reshape2)
dd_wide <- dcast(dd, loc ~  type, value.var = "area")
mask <- subset(dd_wide, buff > 0 & npr > 0)[["loc"]]
subset(dd, loc %in% mask)

# one line:
subset(dd, loc %in% subset(dcast(dd, loc ~  type, value.var = "area"), buff > 0 & npr > 0)[["loc"]])