entfernen Fälle nach bestimmten anderen Fällen

Question

Ich habe einen Datenrahmen, sagen

df = data.frame(x = c("a","a","b","b","b","c","d","t","c","b","t","c","t","a","a","b","d","t","t","c"), 
       y = c(2,4,5,2,6,2,4,5,2,6,2,4,5,2,6,2,4,5,2,6)) 

ich nur die Zeilen, in denen ein oder mehr t s sind direkt zwischen einem d und einem c, in allen anderen Fällen entfernen möge Ich möchte die Fälle behalten. Also für dieses Beispiel möchte ich die t s in Reihe 8, 18 und 19 entfernen, aber die anderen behalten. Ich habe über Tausende von Fällen, also wäre dies ein echter Horror. Jede Hilfe wird sehr geschätzt.

Answer 1

Eine Option wäre rle zu verwenden, läuft der gleiche Zeichenfolge zu bekommen und dann können Sie eine sapply verwenden vorwärts/rückwärts zu überprüfen und zurück, alle Positionen, die Sie löschen möchten:

rle_vals <- rle(as.character(df$x)) 

drop <- unlist(sapply(2:length(rle_vals$values), #loop over values 
         function(i, vals, lengths) { 
         if(vals[i] == "t" & vals[i-1] == "d" & vals[i+1] == "c"){#Check if value is "t", previous is "d" and next is "c" 
          (sum(lengths[1:i-1]) + 1):sum(lengths[1:i]) #Get row #s 
         } 
         },vals = rle_vals$values, lengths = rle_vals$lengths)) 

drop 
#[1] 8 18 19 

df[-drop,] 
# x y 
#1 a 2 
#2 a 4 
#3 b 5 
#4 b 2 
#5 b 6 
#6 c 2 
#7 d 4 
#9 c 2 
#10 b 6 
#11 t 2 
#12 c 4 
#13 t 5 
#14 a 2 
#15 a 6 
#16 b 2 
#17 d 4 
#20 c 6 

Answer 2

Dies funktioniert auch , durch Zusammenfassen zu einem String, Identifizieren von Gruppen von t zwischen d und c (oder c und d - nicht sicher, ob Sie diese Option auch wollten), dann herauszufinden, wo sie sind und die Zeilen wie geeignet entfernen.

df =  data.frame(x=c("a","a","b","b","b","c","d","t","c","b","t","c","t","a","a","b","d","t","t","c"), 
       y=c(2,4,5,2,6,2,4,5,2,6,2,4,5,2,6,2,4,5,2,6),stringsAsFactors = FALSE) 

dfs <- paste0(df$x,collapse="") #collapse to a string 
dfs2 <- do.call(rbind,lapply(list(gregexpr("dt+c",dfs),gregexpr("ct+d",dfs)), 
       function(L) data.frame(x=L[[1]],y=attr(L[[1]],"match.length")))) 
dfs2 <- dfs2[dfs2$x>0,] #remove any -1 values (if string not found) 
drop <- unlist(mapply(function(a,b) (a+1):(a+b-2),dfs2$x,dfs2$y)) 
df2 <- df[-drop,] 

Answer 3

ist hier eine andere Lösung mit Basis R:

df = data.frame(x = c("a","a","b","b","b","c","d","t","c","b","t","c","t","a","a","b","d","t","t","c"), 
       y = c(2,4,5,2,6,2,4,5,2,6,2,4,5,2,6,2,4,5,2,6)) 

# 
s <- paste0(df$x, collapse="") 
L <- c(NA, NA) 
while (TRUE) { 
    r <- regexec("dt+c", s)[[1]] 
    if (r[1]==-1) break 
    L <- rbind(L, c(pos=r[1]+1, length=attr(r, "match.length")-2)) 
    s <- sub("d(t+)c", "x\\1x", s) 
} 
L <- L[-1,] 
drop <- unlist(apply(L,1, function(x) seq(from=x[1], len=x[2]))) 
df[-drop, ] 
# > drop 
# 8 18 19 
# > df[-drop, ] 
# x y 
# 1 a 2 
# 2 a 4 
# 3 b 5 
# 4 b 2 
# 5 b 6 
# 6 c 2 
# 7 d 4 
# 9 c 2 
# 10 b 6 
# 11 t 2 
# 12 c 4 
# 13 t 5 
# 14 a 2 
# 15 a 6 
# 16 b 2 
# 17 d 4 
# 20 c 6 

Mit gregexpr() es kürzer:

s <- paste0(df$x, collapse="") 
g <- gregexpr("dt+c", s)[[1]] 
L <- data.frame(pos=g+1, length=attr(g, "match.length")-2) 
drop <- unlist(apply(L,1, function(x) seq(from=x[1], len=x[2]))) 
df[-drop, ]