根据行功能（dplyr）筛选行

请您帮助我使用

dplyr

而不是

apply

执行下面最后一个命令中的过滤，好吗

我正试图解决这个问题

库（gtools）
n您可以使用
行操作
执行行操作。然后使用
mutate
确定是否满足条件，并使用
filter
根据条件进行筛选

res <- dt %>% 
  data.frame %>% # convert to data.frame, so you can use dplyr
  rowwise %>%    # for rowwise calculations
  mutate(cond = {y = rep(1:6, c(X1, X2, X3, X4, X5, X6)) # calculate condition
                 mean(y)==3 & diff(range(y))==4 & median(y)==3.5 & SmplMode(y)==4}) %>%
  filter(cond) %>%          # filter by condition
  mutate(cond = NULL) %>%   # remove condition
  as.matrix      # convert back to matrix

res%
data.frame%>%#转换为data.frame，因此可以使用dplyr
行%>%#用于行计算
变异（cond={y=rep（1:6，c（X1，X2，X3，X4，X5，X6））#计算条件
平均值（y）==3和差异（范围（y））==4和中值（y）==3.5和SmplMode（y）==4}）%>%
过滤（条件）%>%#按条件过滤
变异（cond=NULL）%>%#删除条件
as.matrix#转换回矩阵
使用
rowwise
的操作很慢，因此在
matrixStats
包的行操作的帮助下，很早就过滤掉
SmplMode（y）、mean（y）、diff（range（y））
条件，可以很好地加快速度。以下内容在我的笔记本电脑上运行约0.4秒，而您的原始解决方案和@shadow的解决方案都运行约70秒

library(dplyr)
library(matrixStats)

df <- data.frame(dt)

df$m <- rowMaxs(dt)                                       #for SmplMode(y)  
S <- matrix(1:6, ncol=ncol(dt), nrow=nrow(dt), byrow=T)
Z <- S*(dt!=0)
Z[Z==0] <- NA
df$Range <- rowMaxs(Z, na.rm=TRUE)-rowMins(Z, na.rm=TRUE) #for diff(rang(y))
df$Mean <- rowSums(S*dt)/rowSums(dt)                      #for mean(y)

res <- df %>% 
  filter(X4  == m, (X1==m)+(X2==m)+(X3==m)+(X4==m)+(X5==m)+(X6==m)==1, 
         Range == 4, # range condition here
         Mean == 3) %>% #mean condition here
  rowwise() %>% 
  mutate(Med = median(rep(c(1,2,3,4,5,6), c(X1, X2, X3, X4, X5, X6)))) %>%
  filter(Med == 3.5) %>%   #median condition here 
  select(-m, -Range, -Mean, -Med) %>% # get rid of newcols
  as.matrix 

库（dplyr）
图书馆（matrixStats）
df
library(dplyr)
library(matrixStats)

df <- data.frame(dt)

df$m <- rowMaxs(dt)                                       #for SmplMode(y)  
S <- matrix(1:6, ncol=ncol(dt), nrow=nrow(dt), byrow=T)
Z <- S*(dt!=0)
Z[Z==0] <- NA
df$Range <- rowMaxs(Z, na.rm=TRUE)-rowMins(Z, na.rm=TRUE) #for diff(rang(y))
df$Mean <- rowSums(S*dt)/rowSums(dt)                      #for mean(y)

res <- df %>% 
  filter(X4  == m, (X1==m)+(X2==m)+(X3==m)+(X4==m)+(X5==m)+(X6==m)==1, 
         Range == 4, # range condition here
         Mean == 3) %>% #mean condition here
  rowwise() %>% 
  mutate(Med = median(rep(c(1,2,3,4,5,6), c(X1, X2, X3, X4, X5, X6)))) %>%
  filter(Med == 3.5) %>%   #median condition here 
  select(-m, -Range, -Mean, -Med) %>% # get rid of newcols
  as.matrix