dplyr或plyr是否具有余数功能？

dplyr或plyr是否具有余数功能

假设我有一系列的模式（1-25）要研究

例如，数据集Main

idc3 = c("23|24")

column0|column1|column2|column3|MODE1|MODE2|MODE3
     4 |  83   |   23  |   863 | 85  | 86  |  45
    53 |  26   |   9   |   153 | 23  | 34  |  85
    33 |  66   |   91  |   693 | 95  | 23  |  74
     6 |  87   |   27  |   863 | 47  | 56  |  52
    57 |  27   |   9   |   153 | 78  | 38  |  64
    37 |  67   |   97  |   693 | 34  | 86  |  24

cut  <- Main[unique(grep(paste(idc3), Main$MODE1)), ]
cut2 <- Main[unique(grep(paste(idc3), Main$MODE2)), ]
cut3 <- Main[unique(grep(paste(idc3), Main$MODE3)), ]

  column0|column1|column2|column3|MODE1|MODE2|MODE3
      53 |  26   |   9   |  153  | 23  | 34  |  85
      33 |  66   |   91  |  693  | 95  | 23  |  74
      37 |  67   |   97  |  693  | 34  | 86  |  24

---

有办法做到这一点吗？谢谢

您可以通过一个函数调用创建索引，而不是创建三个单独的切割。然后，您可以根据需要选择匹配的列或对列：

idc3 = c(23,24)
indx <- as.logical(rowSums(sapply(df[,5:7], `%in%`, idc3)))
df[indx,]
#   column0 column1 column2 column3 MODE1 MODE2 MODE3
# 2      53      26       9     153    23    34    85
# 3      33      66      91     693    95    23    74
# 6      37      67      97     693    34    86    24
df[!indx,]
#   column0 column1 column2 column3 MODE1 MODE2 MODE3
# 1       4      83      23     863    85    86    45
# 4       6      87      27     863    47    56    52
# 5      57      27       9     153    78    38    64

idc3=c（23,24）
indx我不清楚这与dplyr的关系。。。您的数据是否有
id
列？如果您有一个名为
id
的唯一行标识符，那么您的
余数=Main[！Main$id%in%c（cut$id，cut2$id，cut3$id），]
。我相信比正则表达式更合适的方法是
Reduce（|），lappy（Main[c（“MODE1”，“MODE2”，“MODE3”）]，“%in%”，c（23，24））
来检查每一行是否有任何“MODE”带有23或24的列。如果你否定（
！
）这一点，你会得到第二个想要的结果。谢谢Alexis_laz我会试试的谢谢Gregor的帮助
idc3 = c(23,24)
indx <- as.logical(rowSums(sapply(df[,5:7], `%in%`, idc3)))
df[indx,]
#   column0 column1 column2 column3 MODE1 MODE2 MODE3
# 2      53      26       9     153    23    34    85
# 3      33      66      91     693    95    23    74
# 6      37      67      97     693    34    86    24
df[!indx,]
#   column0 column1 column2 column3 MODE1 MODE2 MODE3
# 1       4      83      23     863    85    86    45
# 4       6      87      27     863    47    56    52
# 5      57      27       9     153    78    38    64