R语言中的逻辑分析

回避这个问题

假设我们有以下数据集：

filt = data.table(X1 = c("Gender","Male"),
                  X2 = c('jobFamilyGroup','Finance'),
                  X3 = c('jobFamilyGroup','Software Dev')
df = data.table(Gender = c('Male','F','Male','Male','F'),
                EmployeeStatus = c('Active','na','Active','Active','na'),
                jobFamilyGroup = c('Finance','Software Dev','HR','Finance','Software Dev'))

我想使用

filt

作为

df

的过滤器

filt

是通过从Shiny获取一个输入并对其进行一点转换来获得上面的数据表来完成的。我的目标是过滤df，这样我们就有了：

所有行都是男性和（软件开发或财务）

目前，我正在将其硬编码为始终为AND，但这对于这种情况并不理想。我的想法是使用多个

if

条件来捕捉这样的情况，但我觉得可以有一种更简单的方法来构建这种逻辑

___________更新______________

一旦我有了一个像

filt

这样的表，我就可以传递如下代码：

 if(!is.null(primary))
      {
      if(ncol(primary)==1){
        d2 = df[get(as.character(primary[1,1]))==as.character(primary[2,1])]

      }
      else if(length(primary)==2){
        d2 = df[get(as.character(primary[1,1]))==as.character(primary[2,1]) &
                  get(as.character(primary[1,2]))==as.character(primary[2,2])]
      }

      else{
        d2 = df[get(as.character(primary[1,1]))==as.character(primary[1,2]) &
                  get(as.character(primary[1,2]))==as.character(primary[2,2]) &
                  get(as.character(primary[1,3]))==as.character(primary[2,3])]
      }
      }

但是，如果一种分组类型有多个输入，则此代码不考虑所需的或逻辑性。这意味着当前代码说给我所有行，其中：

Gender==Male&Job-Family-Group=='Finance'和Job-Family-Group=='Software-Dev'

当它真的应该是

Gender==Male&（Job-Family-Group=='Finance'；Job-Family-Group=='Software-Dev'）

---

这是一个简单的示例，意味着还有许多其他列，因此理想情况下，解决方案能够确定何时存在分组的多个输入

鉴于您的问题，如果您对其进行分析，使您的逻辑看起来像：

Gender %in% c("Male") & jobFamilyGroup %in% c('Finance','Software Dev')

通过将具有相同列名的所有筛选器值集中在%中的

%中，可以得到OR，并在列名之间保留and

更新

考虑下面评论中讨论的案例

您的反应式输入一个data.table指定


性别是男性
国家是中国还是美国
员工状态为活动状态

在您提供的示例数据中，没有国家/地区列，因此我添加了一个。我提取要过滤的列和要过滤的值，并
split
按列过滤的值。我将其传递到一个
lappy
，它使用%

中的

%而不是
=
对每一列进行逻辑检查，以便将同一列中的选项视为
而不是
&
。然后我
rbind
将逻辑结果放在一起，并
对列应用
all
，然后根据结果过滤
df

这种方法处理列之间的
&
，以及列内的
。它支持任意数量的要搜索的列，无需使用if/else逻辑

library(data.table)

df = data.table(Gender = c('Male','F','Male','Male','F'),
                EmployeeStatus = c('Active','na','Active','Active','na'),
                jobFamilyGroup = c('Finance','Software Dev','HR','Finance','Software Dev'),
                Country = c('China','China','US','US','China'))
filt = data.table(x1 = c('Gender' , 'Male'),x2 = c('Country' , 'China'),x3 = c('Country','US'), x4 = c('EmployeeStatus','Active'))
column = unlist(filt[1,])
value = unlist(filt[2,])
tofilter = split(value,column)
tokeep = apply(do.call(rbind,lapply(names(tofilter),function(x){
  `[[`(df,x) %in% tofilter[[x]]
})),2,all)
df[tokeep==TRUE]

#>       Gender EmployeeStatus jobFamilyGroup Country
#>    1:   Male         Active        Finance   China
#>    2:   Male         Active             HR      US
#>    3:   Male         Active        Finance      US

您当前的代码在哪里？你到底想解释什么样的情况？这个问题似乎不够具体，无法回答。我将在帖子中添加一些元素。这是一个很好的简单方法，但不确定它是否足够健壮，适合我的解决方案。假设重复分组是另一列，例如
country
。输入会根据用户选择的过滤器进行更改。为什么国家/地区不起作用？还是别的什么？说出
split（unlist（filt[2，]）、unlist（filt[1，]））
以列出所有分组的值。那么你的代码也应该是类似的，只是在%
filt
中用
%替换
=
在我闪亮的应用程序中是一个
被动的
元素。让我们假设filt看起来像：
filt=data.table（x1=c（'Gender'，'Male'）、x2=c（'Country'，'China'）、x3=c（'Country'，'US'）、x4=c（'Status'，'Active'））
这是一句谚语“来自中国或美国的活跃男性（与不活跃的男性相比）”我扩展了我的答案@TedMosby，以展示我的解决方案是如何工作的。我在示例数据中添加了一个国家/地区列，并使用了您在此处指定的过滤器。请注意它是如何处理所有三个条件和您指定的逻辑的。哇，您的答案真漂亮！这正是我想做的