在特定条件下从数据帧中提取行

Question

我必须根据特定条件过滤数据帧。如果解决方案考虑使用dplyr，效果更好。

我有这样的数据帧结构

  sentId.   B.   label.   partner. code
    1.      2.     3.       4.      123
    1.      2.     2.       4.      124
    4.      2.     3.       8.      125
    7.      3.     2.       7.      126

如果列标签包含特定值（例如，3.），不仅要收集该行，还要收集与前一行具有相同sentID和partner值的所有行。

预期结果如下：

  sentId.   B.   label.   partner. code
    1.      2.     3.       4.      123
    1.      2.     2.       4.      124
    4.      2.     3.       8.      125

Answer 1

使用SQL可以很容易地解决这个问题，因此一个选项是使用sqldf库：

library(sqldf)

# your data frame df
sql <- "SELECT t1.\"sentId.\", t1.\"B.\", t1.\"label.\", t1.\"partner.\", t1.code
        FROM yourTable t1
        WHERE t1.\"label.\" = '3.' OR
            EXISTS (SELECT 1 FROM yourTable t2
                    WHERE t1.\"sentId.\" = t2.\"sentId.\" AND
                          t1.\"partner.\" = t2.\"partner.\" AND
                          t2.\"label.\" = '3.')"

result <- sqldf(sql)

注意：上面的演示实际上使用了MariaDB，因为SQLite没有使用演示工具。但它仍然表明查询逻辑是正确的。

Answer 2

我们可以首先找到我们感兴趣的标签值所在的行索引，然后使用这些索引对整个数据帧中的sentId和partner值进行子集。

label_value <- 3
inds <- df$label == label_value
df[with(df, sentId %in% sentId[inds] & partner %in% partner[inds]), ]

#  sentId B label partner code
#1      1 2     3       4  123
#2      1 2     2       4  124
#3      4 2     3       8  125

dplyr中的相同逻辑是

library(dplyr)

df %>%
  filter(sentId %in% sentId[label == label_value] & 
         partner %in% partner[label == label_value])

Answer 3

我们可以使用%中的%对按“sentId”分组后的行进行筛选和“合伙人”

library(dplyr)
df1 %>%
  group_by(sentId., partner.) %>%
  filter(3 %in% label.)
# A tibble: 3 x 5
# Groups:   sentId. [2]
#  sentId.    B. label. partner.  code
#    <dbl> <dbl>  <dbl>    <dbl> <int>
#1       1     2      3        4   123
#2       1     2      2        4   124
#3       4     2      3        8   125

或以紧凑的方式与data.table

library(data.table)
setDT(df1)[, .SD[3 %in% label.], .(sentId., partner.)]

或使用base R

df1[with(df1, ave(label.==3, sentId., partner., FUN = any)),]

df1 <- structure(list(sentId. = c(1, 1, 4, 7), B. = c(2, 2, 2, 3), label. = c(3, 
 2, 3, 2), partner. = c(4, 4, 8, 7), code = 123:126),
 class = "data.frame", row.names = c(NA, 
 -4L))