通过另一列r中的两个条件对一列进行子集划分

我有一个数据集，其中一些十六进制id同时被检测到us（上游）和ds（下游）。在美国和ds两个地点都发现了大约500条鱼。我试图对列hex\u id进行子集划分，以便它只返回hex\u id==us和hex\u id==ds的行

hex_id         loc det#
3D9.1C2D9B1656  us  1
3D9.1C2D9B1C20  us  2
3D9.1C2D9B1C91  us  1
3D9.1C2D9B2110  ds  1
3D9.1C2D9B2226  ds  1
3D9.1C2D9B2CA7  us  19
3D9.1C2D9B3128  us  2
3D9.1C2D9B376C  us  2
3D9.1C2D9B39B1  us  1
3D9.1C2D9B3A1E  us  5
3D9.1C2D9B4717  ds  1
3D9.1C2D9B4717  us  1
3D9.1C2D9B4731  ds  1
3D9.1C2D9B4740  us  25

我一直在尝试：

pit_both <- pitdata %>%
  filter(down == "ds" & up == "us") %>% 
  summarise(fish = n_distinct(hex_id))

我认为这是因为每个检测都有自己的行，所以在数据表中没有一行同时等于ds和us，而是需要等于和ds的十六进制id

---

任何建议？？？

下面为“us”和“ds”创建两个数据子集，然后查找具有匹配十六进制id的所有行

library(dplyr)

inner_join(
  pitdata %>% filter(loc == "us"),
  pitdata %>% filter(loc == "ds"),
  by = "hex_id")

输出类似于：

hex_id            loc.x  det.x loc.y det.y
3D9.1C2D9B4717    us     1     ds    1

---

如果您想将其恢复为原始格式，您可以旋转表格。

您的方法不起作用的原因是，

loc

的行都不是

“us”

和

“ds”

下面是一种使用

dplyr

的方法。首先

groupby（hex\u id）

，然后使用

filter

检查

loc

是否包含该组的

“us”

和

“ds”

pitdata %>%
  group_by(hex_id) %>%
  dplyr::filter(any(loc == "us") & any(loc == "ds"))
## A tibble: 2 x 3
## Groups:   hex_id [1]
#  hex_id         loc    det.
#  <chr>          <chr> <int>
#1 3D9.1C2D9B4717 ds        1
#2 3D9.1C2D9B4717 us        1

pitdata%>%
分组依据（十六进制id）%>%
dplyr:：过滤器（任意（loc==“us”）&任意（loc==“ds”））
##一个tibble:2x3
##组：十六进制id[1]
#六角id位置详图。
#             
#1 3D9.1C2D9B4717 ds 1
#2 3D9.1C2D9B4717美国1

从这里，很容易数到鱼：

pitdata %>%
  group_by(hex_id) %>%
  dplyr::filter(any(loc == "us") & any(loc == "ds")) %>%
  ungroup %>%
  summarise(fish = n_distinct(hex_id))
# A tibble: 1 x 1
   fish
  <int>
1     1

pitdata%>%
分组依据（十六进制id）%>%
dplyr:：筛选器（任意（loc==“us”）&任意（loc==“ds”）%>%
解组%>%
摘要（fish=n_独立（十六进制id））
#一个tibble:1x1
鱼
1     1

另一种方法是通过

loc

将

det

列（我将

det#

重命名为一个有效的列名）旋转出来，以便更容易过滤。这一切都取决于您希望如何使用数据

库（dplyr）
图书馆（tidyr）
pitdata%>%
枢轴宽度（名称\u from=loc，值\u from=det）%>%
过滤器（！is.na（us），！is.na（ds））
##A tible:1 x 3
#十六进制id us ds
#                
#1 3D9.1C2D9B4717 1 1

pitdata %>%
  group_by(hex_id) %>%
  dplyr::filter(any(loc == "us") & any(loc == "ds")) %>%
  ungroup %>%
  summarise(fish = n_distinct(hex_id))
# A tibble: 1 x 1
   fish
  <int>
1     1