通过匹配列和值 R 对数据帧进行子集和分组

Question

我有 2 个数据帧，df1 包含一个 groupID 和连续变量，如下所示：

GroupID      Var1      Var2         Var3      Var4
1          20.33115  19.59319    0.6384765  0.6772862
1          31.05899  23.14446    0.5796645  0.7273182
2          24.28984  20.99047    0.6425050  0.6865804
2          22.47856  21.36709    0.6690020  0.6368560
3          21.65817  20.99444    0.6829786  0.6461840
3          23.45899  21.57718    0.6655482  0.6473043

并且 df2 包含每个变量的截止值 (ct)：

Var1ct    Var2ct    Var3ct    Var4ct
22.7811   20.3349   0.7793    0.4294

我想要做的是，对于 df1 中的每个变量，在 df2 中的相关列中找到值大于截止值的行数，并 return 每个 groupID 的那个数字，所以输出看起来像这样：

GroupID   N-Var1   N-Var2   N-Var3   N-Var4
1          62       78       33       99
2          69       25       77       12
3          55       45       27       62

df1 大约有 200 万行按 GroupID 分布不均匀，我需要计算 30 个变量列，我只是在寻找一种比为所有 30 个变量键入相同函数更有效的方法。

Answer 1

这是 dplyr 中的一个方法：

library(dplyr)
df1 %>% 
  group_by(GroupID) %>% 
  summarise(across(everything(), ~ sum(.x > df2[grepl(cur_column(), colnames(df2))][, 1])))

  GroupID  Var1  Var2  Var3  Var4
    <int> <int> <int> <int> <int>
1       1     1     1     0     2
2       2     1     2     0     2
3       3     1     2     0     2

数据

df1 <- read.table(header = T, text = "GroupID      Var1      Var2         Var3      Var4
1          20.33115  19.59319    0.6384765  0.6772862
1          31.05899  23.14446    0.5796645  0.7273182
2          24.28984  20.99047    0.6425050  0.6865804
2          22.47856  21.36709    0.6690020  0.6368560
3          21.65817  20.99444    0.6829786  0.6461840
3          23.45899  21.57718    0.6655482  0.6473043 ")

df2 <- read.table(header = T, text = "Var1ct    Var2ct    Var3ct    Var4ct
22.7811   20.3349   0.7793    0.4294")

Answer 2

一种data.table应该很好扩展的方法..

library(data.table)
# if df1 and dsf2 are not data.table, use
# setDT(df)1; setDT(df2)

# we need similara columnnames in df1 and df2 to easily join
setnames(df2, names(df1)[2:5])

# melt df1 and  to long format
df1.long <- melt(df1, id.vars = "GroupID")
df2.long <- melt(df2, measure.vars = names(df2))

# join ct-values
df1.long[df2.long, ct := i.value, on = .(variable)]

# summarise
ans <- df1.long[, sum(value > ct), by = .(GroupID, variable)]

# cast to wide
dcast(ans, GroupID ~ variable, value.var = "V1")
#    GroupID Var1 Var2 Var3 Var4
# 1:       1    1    1    0    2
# 2:       2    1    2    0    2
# 3:       3    1    2    0    2

示例数据

df1 <- fread("GroupID      Var1      Var2         Var3      Var4
1          20.33115  19.59319    0.6384765  0.6772862
1          31.05899  23.14446    0.5796645  0.7273182
2          24.28984  20.99047    0.6425050  0.6865804
2          22.47856  21.36709    0.6690020  0.6368560
3          21.65817  20.99444    0.6829786  0.6461840
3          23.45899  21.57718    0.6655482  0.6473043 ")

df2 <- fread("Var1ct    Var2ct    Var3ct    Var4ct
22.7811   20.3349   0.7793    0.4294")

通过匹配列和值 R 对数据帧进行子集和分组

Subset and group dataframe by matching columns and values R

r

dataframe

grouping

subset