在R中，选择一组行并筛选

我有一个数据框

D

我想从col1==2中选择col2==8和col2==19的行，同时从col1==5中选择col2==1和col2==19的行。换句话说，我想要一些像这样的

D

在我的另一个例子中，我有一个包含许多行的大数据集，我想选择许多col1组，并为每个组选择col2的顺序代码。

---

我也想要一些处理字符列的代码

使用子集非常简单。只需要得到正确的比较嵌套

subset(D, (col1 == 2 & col2 %in% c(8,19)) | (col1 == 5 & col2 %in% c(1, 19)) )

---

在这里，我们使用%in%一次检查多个值

我猜您确实希望在不一定位于相邻行的组中使用最小值和最大值对。如果我是对的，那么创建两个结果列比按照您建议的方式排列更有意义：

> aggregate(D['col2'], D['col1'], function(x) c(min=min(x), max=max(x) ) )
  col1 col2.min col2.max
1    1       15       16
2    2        8       19
3    5        1       19
4    7       15       15

有多种聚合函数。我试着让tapply和sapply以类似的方式行事，在这里你可以看到结果。我需要定义一个基于setNames的新函数来标记sapply返回的矩阵中的列：

当您得到tapply在上面重新计算的值时，有一个非常方便的do.call操作，可以将它们结合在一起：

val <-  tapply(D[,'col2'], D[,'col1'], function(x) c(min=min(x), max=max(x) ) )
> do.call(rbind, val)
  min max
1  15  16
2   8  19
5   1  19
7  15  15

---

请注意，分组值现在是行名，而不是列本身。

您自己尝试了什么？选择、子集、筛选等功能。。。但是我不知道合适的参数看看data.table包。这里有很多例子SO@mnel，我想知道对他来说什么是一个好的数据表解决方案。似乎他只想要两个容易做到的特定组，但他希望每个组有不同的规则，在这种情况下，这些规则将变得无关紧要

> aggregate(D['col2'], D['col1'], function(x) c(min=min(x), max=max(x) ) )
  col1 col2.min col2.max
1    1       15       16
2    2        8       19
3    5        1       19
4    7       15       15

setColNames <-  function (object = nm, nm) 
 { colnames(object) <- nm
    object
 }

> setColNames( sapply(unique(D[,'col1']), function(x) {z <- D[ D$col1 %in% x ,'col2'];  

c(min=min(z), max=max(z) ) }), unique(D[,'col1']) )
         2  5  7  1
    min  8  1 15 15
    max 19 19 15 16

> tapply(D[,'col2'], D[,'col1'], function(x) c(min=min(x), max=max(x) ) )
$`1`
min max 
 15  16 

$`2`
min max 
  8  19 

$`5`
min max 
  1  19 

$`7`
min max 
 15  15 

val <-  tapply(D[,'col2'], D[,'col1'], function(x) c(min=min(x), max=max(x) ) )
> do.call(rbind, val)
  min max
1  15  16
2   8  19
5   1  19
7  15  15