Fatal编程技术网
  • r/
  • R 基于重复行的子集数据表

R 基于重复行的子集数据表

r

R 基于重复行的子集数据表,r,data.table,row,subset,R,Data.table,Row,Subset,我有一个存储在对象ddf中的数据表列表（示例如下所示）： 我想对列表ddf进行子集划分，以便结果只包含以下ddf： 每行至少有9行 这9行中的每一行都是相同的 我想存储这个子设置的输出 我已经为此编写了以下代码： for(i in 1:100){ m=(as.numeric(nrow(df[[i]]))>= 9) if(m == TRUE & df[[i]][1,] = df[[i]][2,] = =df[[i]][3,] =df[[i]][4,] =df[[i]][5,

我有一个存储在对象
ddf
中的数据表列表（示例如下所示）：

我想对列表
ddf
进行子集划分，以便结果只包含以下ddf：

  • 每行至少有9行
  • 这9行中的每一行都是相同的
  • 我想存储这个子设置的输出
    • 我已经为此编写了以下代码：

     for(i in 1:100){
 m=(as.numeric(nrow(df[[i]]))>= 9)
 if(m == TRUE & df[[i]][1,] = df[[i]][2,] = 
 =df[[i]][3,] =df[[i]][4,] =df[[i]][5,] =df[[i]][6,]=
 df[[i]][7,]=df[[i]][8,]=df[[i]][9,]){
 print(df[[i]])
 }}
    请告诉我出了什么问题&我如何根据“n”个类似行概括子设置的结果

    [跟进问题]

        Answer obtained from Main question:
    > ddf[sapply(ddf, function(x) nrow(x) >= n & nrow(unique(x)) == 1)]
      $`61`
         V1 V2 V3
      1:  a  c  b
      2:  a  c  b
      3:  a  c  b
      4:  a  c  b
      5:  a  c  b
      6:  a  c  b
      7:  a  c  b

      $`68`
         V1 V2 V3
      1:  a  c  a
      2:  a  c  a
      3:  a  c  a
      4:  a  c  a
      5:  a  c  a
      6:  a  c  a
      7:  a  c  a
      8:  a  c  a

      $`91`
         V1 V2 V3
      1:  b  c  a
      2:  b  c  a
      3:  b  c  a
      4:  b  c  a
      5:  b  c  a
      6:  b  c  a
      7:  b  c  a

               ..... till the last data.frame which meet the row matching criteria (of at least 9 similar rows)

      There are only 2 types of elements in the list: 
                  **[[.. ]]**        
     **Case 1.** >70% accuracy       
     **Case 2.** <70% accuracy       

    主要问题的答案：
>ddf[sapply（ddf，函数（x）nrow（x）>=n&nrow（唯一（x））=1]
$`61`
V1 V2 V3
1:a、c、b
2:a、c、b
3:a、c、b
4:a、c、b
5:a、c、b
6:a、c、b
7:a、c、b
$`68`
V1 V2 V3
1:a-c-a
2:a-c-a
3:a-c-a
4:a-c-a
5:a-c-a
6:a-c-a
7:a-c-a
8:a-c-a
$`91`
V1 V2 V3
1:bca
2:b-c-a
3:b-c-a
4:b-c-a
5:bca
6:bca
7:b-c-a
..... 直到满足行匹配标准的最后一个data.frame（至少9个类似行）
列表中只有两种类型的元素：
**[[.. ]]**        
**案例1.*>70%的准确度

    **案例2.*我们可以在
    列表中循环（'ddf'），只将
    重复的
    行与（
    重复的
    ）子集，
    对数据集进行排序，
    如果数据集'x1'的行数大于8，则得到前9行（
    头（x1，9）
    ）或
    else
    返回打印的“坏结果”
    

    lapply(ddf, function(x) {
  x1 <- x[duplicated(x)|duplicated(x, fromLast=TRUE)]
if(nrow(x1)>9) {
 x1[order(V1, V2, V3), head(.SD, 9)] 

  } else "bad answer"
 })
#[[1]]
#   V1 V2 V3
#1:  b  c  a
#2:  b  c  a
#3:  b  c  a
#4:  b  c  a
#5:  b  c  a
#6:  b  c  a
#7:  b  c  a
#8:  b  c  a
#9:  b  c  a

#[[2]]
#[1] "bad answer"

#[[3]]
#[1] "bad answer"

    

    lappy（ddf，函数（x）{
x1（9）{
x1[顺序（V1，V2，V3），头部（.SD，9）]
}否则就是“坏答案”
})
#[[1]]
#V1 V2 V3
#1:bca
#2:b-c-a
#3:b-c-a
#4:b-c-a
#5:bca
#6:bca
#7:b-c-a
#8:bca
#9:bca
#[[2]]
#[1] “回答不好”
#[[3]]
#[1] “回答不好”

    
数据

    ddf我们可以在
    列表中循环（'ddf'），只将
    duplicate
    行与（
    duplicated
    ）一起子集，
    对数据集进行排序，
    如果数据集'x1'的行数大于8，则得到前9行（
    头（x1，9）
    ）或
    else
    返回打印的“坏结果”
    

    lapply(ddf, function(x) {
  x1 <- x[duplicated(x)|duplicated(x, fromLast=TRUE)]
if(nrow(x1)>9) {
 x1[order(V1, V2, V3), head(.SD, 9)] 

  } else "bad answer"
 })
#[[1]]
#   V1 V2 V3
#1:  b  c  a
#2:  b  c  a
#3:  b  c  a
#4:  b  c  a
#5:  b  c  a
#6:  b  c  a
#7:  b  c  a
#8:  b  c  a
#9:  b  c  a

#[[2]]
#[1] "bad answer"

#[[3]]
#[1] "bad answer"

    

    lappy（ddf，函数（x）{
x1（9）{
x1[顺序（V1，V2，V3），头部（.SD，9）]
}否则就是“坏答案”
})
#[[1]]
#V1 V2 V3
#1:bca
#2:b-c-a
#3:b-c-a
#4:b-c-a
#5:bca
#6:bca
#7:b-c-a
#8:bca
#9:bca
#[[2]]
#[1] “回答不好”
#[[3]]
#[1] “回答不好”

    
数据

    ddf当
    ddf
    是您的数据表列表时，则：
    

    ddf[sapply(ddf, nrow) >= 9 & sapply(ddf, function(x) nrow(unique(x))) == 1]

    
应该会给你想要的结果
    
其中：
    

      

    • sapply（ddf，nrow）>=9
      检查数据表是否有九行或更多行
      • 

    • sapply（ddf，函数（x）nrow（unique（x））==1
      检查所有行是否相同
      • 

    
或者使用@docendodiscimus建议的一个
    sapply
    调用：
    

    ddf[sapply(ddf, function(x) nrow(x) >= 9 & nrow(unique(x)) == 1)]

    
或者使用
    .N
    特殊符号和
    数据的
    uniqueN
    功能。表
    ：
    

    ddf[sapply(ddf, function(x) x[,.N] >= 9 & uniqueN(x) == 1)]

    
另一种选择是使用
    过滤器
    （根据@Frank在评论中的建议）：
    

    
获取数据表编号的两种方法：
    
1.使用
    哪个
    ：
    

    which(sapply(ddf, function(x) nrow(x) >= 9 & nrow(unique(x)) == 1))

    
2.为列表中的数据表指定名称：
    

    names(ddf) <- paste0('dt', 1:length(ddf))

    

    当
    ddf
    是您的数据表列表时，则：
    

    ddf[sapply(ddf, nrow) >= 9 & sapply(ddf, function(x) nrow(unique(x))) == 1]

    
应该会给你想要的结果
    
其中：
    

      

    • sapply（ddf，nrow）>=9
      检查数据表是否有九行或更多行
      • 

    • sapply（ddf，函数（x）nrow（unique（x））==1
      检查所有行是否相同
      • 

    
或者使用@docendodiscimus建议的一个
    sapply
    调用：
    

    ddf[sapply(ddf, function(x) nrow(x) >= 9 & nrow(unique(x)) == 1)]

    
或者使用
    .N
    特殊符号和
    数据的
    uniqueN
    功能。表
    ：
    

    ddf[sapply(ddf, function(x) x[,.N] >= 9 & uniqueN(x) == 1)]

    
另一种选择是使用
    过滤器
    （根据@Frank在评论中的建议）：
    

    
获取数据表编号的两种方法：
    
1.使用
    哪个
    ：
    

    which(sapply(ddf, function(x) nrow(x) >= 9 & nrow(unique(x)) == 1))

    
2.为列表中的数据表指定名称：
    

    names(ddf) <- paste0('dt', 1:length(ddf))

    

    请阅读有关如何完成任务的信息。现在更好了吗？理想情况下，我们可以将您的所有代码复制/粘贴到R中并开始修补。您提供的数据并不完全适合导入。请参阅Jaap提供的关于如何轻松共享（模拟）数据的链接。请阅读关于如何给出一个完整答案的信息。现在更好了吗？理想情况下，我们可以将您的所有代码复制/粘贴到R中并开始修补。您提供的数据并不完全适合导入。请参阅Jaap提供的关于如何轻松共享（模拟）数据的链接。我得到一个函数错误：第二个参数必须是listfunction（what，args，quote=FALSE，envir=parent.frame（））{if（！is.list（args））stop（“第二个参数必须是列表”）if（quote）args@Rishi纠正了错误problem@arun我得到的子集的答案不正确，我得到的是一个data.table outputs，而我应该得到两个yes@akrun谢谢我得到一个函数错误：第二个参数必须是listfunction（what，args，quote=FALSE，envir=parent.frame（））{if（！is.list（args））stop(“第二个参数必须是列表”）如果（引用）args@Rishi纠正了错误problem@arun我得到的子集答案不正确，我得到的是一个数据表输出，而我应该得到两个是@akrun谢谢你不能同时签入一个
    sapply
    call？@Jaap-我需要数据表编号显示在输出中..例如lst[[11]…，lst[[15]]，假设他们符合subsetting@Jaap-我需要一个列表输出：：对于不准确的结果，我得到“<70%的准确度”。对于正确的输出，我得到datatable