根据行功能(dplyr)筛选行
请您帮助我使用根据行功能(dplyr)筛选行,r,dplyr,R,Dplyr,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 mut
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