根据动态依赖的两个条件过滤

Question

我有一个大型数据集，其值为 CPE，百分比为 PERC。在现实世界中它略有不同，但我将其减少到最低限度。

| CPE|      PERC|
|---:|---------:|
|  42| 0.1132664|
| 264| 0.9260718|
| 470| 0.3732287|
| 316| 0.7437126|
|   9| 0.5819554|
| 114| 0.2052649|

现在我要筛选。较小的 CPE 需要较高的 PERC 才能聚焦。

我当然可以这样做:

df[(CPE > 20 & PERC > 0.95) |
     (CPE > 50 & PERC > 0.9) |
     (CPE > 100 & PERC > 0.85) |
     (CPE > 250 & PERC > 0.8)]

但由于现实世界中可能有更多，而且它们会不时变化，我正在寻找更简单、更动态的解决方案。
比如创建一个包含所有组合的列表，然后将每个组合用作过滤条件对。

list(c(20, 0.95), c(50, 0.9), c(100,0.85), c(250,0.8))

有没有聪明的方法来处理这个问题？即使我更喜欢 data.table，dplyr 也很棒。它不是一个列表，我愿意接受任何类似的方法。

MWE

library(data.table)

set.seed(33)

df = data.table(CPE=sample(1:500, 100), 
                PERC=runif(min = 0.1, max = 1, n=100))

Answer 1

如果 list 已经创建，我们可以遍历 list，使用 CPE 和 PERC 列创建第一个和第二个元素的逻辑条件分别 Reduce 与 | 的单个逻辑向量和数据子集

df[Reduce(`|`, lapply(lst1, \(x) CPE > x[1] & PERC > x[2]))]

数据

lst1 <- list(c(20, 0.95), c(50, 0.9), c(100,0.85), c(250,0.8))

Answer 2

library(dplyr, warn.conflicts = FALSE)
#> Warning: package 'dplyr' was built under R version 4.1.2
library(purrr)

df <- structure(list(CPE = c(42L, 264L, 470L, 316L, 9L, 114L), PERC = c(0.1132664, 
0.9260718, 0.3732287, 0.7437126, 0.5819554, 0.2052649)), row.names = c(NA, 
-6L), class = "data.frame")

constraints <- structure(list(CPE = c(20, 50, 100, 250), PERC = c(0.95, 0.9, 
0.85, 0.8)), class = "data.frame", row.names = c(NA, -4L))

constraints
#>   CPE PERC
#> 1  20 0.95
#> 2  50 0.90
#> 3 100 0.85
#> 4 250 0.80

filt <- 
  map2(df, constraints, outer, '>') %>% 
    reduce(`&`) %>% 
    as.data.frame %>% 
    reduce(`|`)

df %>% 
  filter(filt)
#>   CPE      PERC
#> 1 264 0.9260718

^{由 reprex package (v2.0.1)}

于 2022-06-03 创建

根据动态依赖的两个条件过滤

Filter according to two conditions that are in dynamic dependence

r

data.table

数据