Comment puis-je sous-définir le dataframe ci-dessous pour afficher uniquement les lignes où les colonnes AAA:CCC ont toutes la même valeur et conserver le champ IndID?

Dat <- data.frame(IndID = LETTERS[seq(1,10)],
                  AAA = c(1,5,3,2,3,1,5,4,6,2),
                  BBB = c(1,8,5,2,5,4,8,4,4,5),
                  CCC = c(1,5,3,2,3,5,5,4,6,5))

> Dat
   IndID AAA BBB CCC
1      A   1   1   1
2      B   5   8   5
3      C   3   5   3
4      D   2   2   2
5      E   3   5   3
6      F   1   4   5
7      G   5   8   5
8      H   4   4   4
9      I   6   4   6
10     J   2   5   5

Je voudrais retourner le résultat suivant.

Result <- data.frame(IndID = c("A", "D", "H"),
                  AAA = c(1,2,4),
                  BBB = c(1,2,4),
                  CCC = c(1,2,4))

> Result
  IndID AAA BBB CCC
1     A   1   1   1
2     D   2   2   2
3     H   4   4   4

J'ai trouvé un certain nombre d'articles connexes, notamment Rechercher les lignes dupliquées (basées sur 2 colonnes) dans le bloc de données dans R et Rechercher les doublons éléments avec dplyr, entre autres, mais n'ont pas pu reproduire le résultat souhaité avec trois colonnes. Par exemple, lors de la fermeture, le code ci-dessous montre toutes les distinct lignes, mais avec le résultat indésirable de l'inclusion de lignes, seules deux des valeurs sont égales.

Dat %>% distinct(AAA, BBB, CCC)

Je soupçonne que la solution implique filter mais je ne sais pas comment obtenir le résultat souhaité à partir de l'exemple mentionné ci-dessus. Une solution dplyr est préférable.

Ajout Je me demande également si cela pourrait s'appliquer à plusieurs facteurs. Par exemple, avec les données ci-dessous, qui contiennent un IndID et trois dates stockées en tant que facteurs, un résultat similaire peut-il être produit en autorisant des facteurs ou en changeant les facteurs en valeurs numériques?

Dat <- structure(list(GenIndID = structure(c(1L, 2L, 6L, 7L, 3L, 4L, 
8L, 5L), .Label = c("BHS_601", "BHS_603", "BHS_604", "BHS_605", 
"BHS_631", "BHS_635", "BHS_636", "BHS_637"), class = "factor"), 
    CptrDate = structure(c(1L, 2L, 3L, 3L, 2L, 2L, 3L, 4L), .Label = c("2016-02-01", 
    "2016-02-02", "2016-02-04", "2016-12-11"), class = "factor"), 
    DtLastAlive = structure(c(2L, 2L, 1L, 1L, 2L, 2L, 1L, 3L), .Label = c("2016-02-04", 
    "2017-07-13", "2017-08-27"), class = "factor"), DtFnlFate = structure(c(2L, 
    2L, 1L, 1L, 2L, 2L, 1L, 3L), .Label = c("2016-02-04", "2017-07-13", 
    "2017-08-27"), class = "factor")), .Names = c("GenIndID", 
"CptrDate", "DtLastAlive", "DtFnlFate"), row.names = c(82L, 83L, 
224L, 225L, 84L, 85L, 226L, 360L), class = "data.frame")


> Dat
    GenIndID   CptrDate DtLastAlive  DtFnlFate
82   BHS_601 2016-02-01  2017-07-13 2017-07-13
83   BHS_603 2016-02-02  2017-07-13 2017-07-13
224  BHS_635 2016-02-04  2016-02-04 2016-02-04
225  BHS_636 2016-02-04  2016-02-04 2016-02-04
84   BHS_604 2016-02-02  2017-07-13 2017-07-13
85   BHS_605 2016-02-02  2017-07-13 2017-07-13
226  BHS_637 2016-02-04  2016-02-04 2016-02-04
360  BHS_631 2016-12-11  2017-08-27 2017-08-27

Le résultat souhaité étant

> Dat[c(3, 4, 7),]
    GenIndID   CptrDate DtLastAlive  DtFnlFate
224  BHS_635 2016-02-04  2016-02-04 2016-02-04
225  BHS_636 2016-02-04  2016-02-04 2016-02-04
226  BHS_637 2016-02-04  2016-02-04 2016-02-04
r dplyr
2
B. Davis 15 nov. 2017 à 19:14

4 réponses

Meilleure réponse

Voici une autre solution avec apply et all:

Dat[apply(Dat[,-1], 1, function(x) all(x==x[1])),]

Ou avec filter_at de dplyr:

library(dplyr)
Dat %>% 
  filter_at(vars(AAA:CCC), all_vars(. == .data$AAA))

Résultat: 

  IndID AAA BBB CCC
1     A   1   1   1
4     D   2   2   2
8     H   4   4   4

Modifier:

En réponse à l'exemple supplémentaire d'OP, l'exemple apply fonctionnerait quel que soit le type de variable. Ainsi, ce qui suit fonctionnerait pour le nouvel exemple:

Dat[apply(Dat[,-1], 1, function(x) all(x==x[1])),]

Résultat: 

    GenIndID   CptrDate DtLastAlive  DtFnlFate
224  BHS_635 2016-02-04  2016-02-04 2016-02-04
225  BHS_636 2016-02-04  2016-02-04 2016-02-04
226  BHS_637 2016-02-04  2016-02-04 2016-02-04

Pour filter_at, cependant, si les colonnes à comparer sont celles de factor, il faudrait d'abord convertir en character:

Dat %>% 
  filter_at(vars(-1), all_vars(as.character(.) == .data$CptrDate))

Notez que vous devez seulement convertir . en caractère, mais pas .data$CptrDate car les facteurs peuvent être comparés avec des caractères, mais pas avec un autre facteur avec des niveaux différents.

Une alternative serait:

Dat %>%
  mutate_at(vars(-1), as.character) %>%
  filter_at(vars(-1), all_vars(. == .data$CptrDate))

Résultat: 

  GenIndID   CptrDate DtLastAlive  DtFnlFate
1  BHS_635 2016-02-04  2016-02-04 2016-02-04
2  BHS_636 2016-02-04  2016-02-04 2016-02-04
3  BHS_637 2016-02-04  2016-02-04 2016-02-04
6
avid_useR 15 nov. 2017 à 17:37

Si vous n'avez besoin que d'un sous-ensemble de 3 colonnes, vous pouvez utiliser l'opérateur DF [,].

# DF[where rows have a value, select columns]
# [where rows where AAA==BBB==CCC, select all columns with ""]
temp <- Dat[Dat$AAA == Dat$BBB & Dat$BBB == Dat$CCC,]
2
Adam Sampson 15 nov. 2017 à 16:53

Vous pouvez avoir une solution vectorisée:

Dat[do.call(function(...) pmax(...) - pmin(...), Dat[, -1]) == 0,]
#  IndID AAA BBB CCC
#1     A   1   1   1
#4     D   2   2   2
#8     H   4   4   4
1
eddi 15 nov. 2017 à 23:50

Vous pouvez utiliser une combinaison de range() et diff().

Dat[apply(Dat[ ,-1], 1, function(x) diff(range(x)))==0, ] 
#   IndID AAA BBB CCC
# 1     A   1   1   1
# 4     D   2   2   2
# 8     H   4   4   4

range() vous donne le minimum et le maximum d'un vecteur. diff() vous donne la différence entre les valeurs d'un vecteur. Si la différence entre min-value et max-value est nulle, vous savez que toutes les valeurs sont égales. Si nous appliquons cette ligne par ligne en utilisant apply, nous obtenons un vecteur TRUE / FALSE que nous pouvons utiliser pour indexer Dat.

Petits exemples pour illustrer la logique:

test <- c(1, 5, 3)
minmax <- range(test)    # gives c(1,5)
diff(minmax)             # gives 4
diff(range(c(1, 1, 1)))  # gives 0

Si nous vérifions pour chaque ligne, si diff(range(your_row)) est égal à zéro ou non, nous pouvons utiliser la sortie de celle-ci pour indexer Dat, comme nous l'avons fait ci-dessus.

1
KenHBS 15 nov. 2017 à 16:31
47312275

Questions connexes

3 Comment étiqueter le groupe pour un motif consécutif dans R?

De nouvelles questions

1 R- compter les valeurs dans data.frame
1 Pourquoi l'erreur «le niveau de facteur [2] est dupliqué» se produira-t-elle?
1 puis-je utiliser read_excel pour importer un fichier csv dans r au lieu d'utiliser read.csv?
2 Comment résumer (n = n ()) avec un filtre différent ()?
1 table () mélange des lignes dans R tout en comptant la fréquence
2 Comment créer une nouvelle colonne basée sur les conditions de R
2 Résumer une collection de cadres de données - améliorer une solution maladroite
1 Recoder le facteur NA avec dplyr ou forcats
1 en dépit d'être au format de date lubridate «tous les formats n'ont pas pu être analysés. Aucun format trouvé »erreur lors du passage de ymd à mdy
1 Comment lire plusieurs fichiers pour enregistrer et compter le nombre de variables dans chacun en utilisant une fonction map_ * de purrr?
Toutes les questions sur r >

r

R est un langage de programmation et un environnement logiciel libres et open source pour le calcul statistique, la bioinformatique, la visualisation et le calcul général. Veuillez fournir des exemples minimaux et reproductibles ainsi que le résultat souhaité. Utilisez dput () pour les données et spécifiez tous les packages non basiques avec des appels à library (). N'incorporez pas d'images pour les données ou le code, utilisez plutôt des blocs de code en retrait. Pour les questions relatives aux statistiques, utilisez https://stats.stackexchange.com.

Plus à propos r...