在R中查找数据帧的分组变量的交集
我有这样一个数据框:在R中查找数据帧的分组变量的交集,r,dataframe,merge,range,overlap,R,Dataframe,Merge,Range,Overlap,我有这样一个数据框: df <- data.frame( names = c(rep("cody", 10), rep("sam", 5)), year = c(paste0("year",2000:2009), paste0("year",2000:2004)) ) df2 <- data.frame( names = c(rep("cody", 5), rep("sam", 5)), year = c(paste0("year",2000:2004), p
df <- data.frame(
names = c(rep("cody", 10), rep("sam", 5)),
year = c(paste0("year",2000:2009), paste0("year",2000:2004))
)
df2 <- data.frame(
names = c(rep("cody", 5), rep("sam", 5)),
year = c(paste0("year",2000:2004), paste0("year",2000:2004))
)
df这里是一个基本的R方法,使用Reduce
和intersect
dat[dat$year == Reduce(intersect, split(dat$year, dat$names)),]
返回
names year
1 cody year2000
2 cody year2001
3 cody year2002
4 cody year2003
5 cody year2004
11 sam year2000
12 sam year2001
13 sam year2002
14 sam year2003
15 sam year2004
在这里,我们使用Reduce
反复将参数(使用split
以列表形式提供的每个名称的单独年份)输入到intersect
,这将消除“不匹配”的年份,直到您只得到可用于所有名称的年份
请注意,年份变量必须是字符向量,而不是因子变量
作为一个小简化,您可以使用with
来减少dat$
引用:
dat[with(dat, year == Reduce(intersect, split(year, names))),]
数据
dat <-
structure(list(names = c("cody", "cody", "cody", "cody", "cody",
"cody", "cody", "cody", "cody", "cody", "sam", "sam", "sam",
"sam", "sam"), year = c("year2000", "year2001", "year2002", "year2003",
"year2004", "year2005", "year2006", "year2007", "year2008", "year2009",
"year2000", "year2001", "year2002", "year2003", "year2004")),
.Names = c("names", "year"), row.names = c(NA, -15L), class = "data.frame")
dat您可以按年份分组,然后过滤出现两次的年份(或您想要多少唯一名称):
库(dplyr)
df%>%
组别(年份)%>%
突变(name_count=n())%>%
解组()%>%
过滤器(名称\u计数==2)%>%
选择(-name\u count)
名称年份
1科迪2000年
2科迪年鉴2001
3科迪年鉴2002
4科迪年鉴2003
5科迪2004年
6.2000年
7.2001年
8.2002年
9.2003年
10.2004年
这里有一个选项,可以在年份
列中查找所有重复项
df[duplicated(df$year) | duplicated(df$year, fromLast = TRUE), ]
# names year
# 1 cody year2000
# 2 cody year2001
# 3 cody year2002
# 4 cody year2003
# 5 cody year2004
# 11 sam year2000
# 12 sam year2001
# 13 sam year2002
# 14 sam year2003
# 15 sam year2004
创建数据帧时,请尝试推荐stringsAsFactors=FALSE
。
df[duplicated(df$year) | duplicated(df$year, fromLast = TRUE), ]
# names year
# 1 cody year2000
# 2 cody year2001
# 3 cody year2002
# 4 cody year2003
# 5 cody year2004
# 11 sam year2000
# 12 sam year2001
# 13 sam year2002
# 14 sam year2003
# 15 sam year2004