Wie können Zeilen mit einem bestimmten Wert getrennt und entfernt werden?

Question

Ich möchte meine Daten basierend auf einer Spalte trennen (Spalte B in den folgenden Daten). Mit anderen Worten, ich möchte Zeilen mit "C" teilen, dass sie die gleiche Nummer haben, bevor der Buchstabe "c" mit anderen Zeilen (Buchstaben, a und b für Eltern und c für Kinder) Familie).

Eingang:

df <- structure(list(
A = c("L", "L","L","L","L","L","L", "L", "L"), 
B = c("l-7b", "l-7a", "l-7c", NA, "l-15a", "l-15c", "l-16c", "l-20b", "l-20c"), 
C = c(6002, 6003, 6006,6007,6010,6011,6015, 6087, 6098)), 
.Names = c("A", "B", "C"), 
row.names = c(NA, 9L), 
class = "data.frame")} 

Ausgang:

A  B   C 

1 L l-7b  6002     
2 L l-7a  6003        
4 L  NA  6007     
5 L l-15a  6010 
7 L l-16c  6015 
8 L l-20b  6087  

Answer 1

Hier ist eine mögliche Lösung mit Basis R:

### recreate your example data frame 
DF <- read.csv(text= 
"A,B,C 
1,L,l-7b,6002     
2,L,l-7a,6003     
3,L,l-7c,6006     
4,L,NA,6007     
5,L,l-15a,6010 
6,L,l-15c,6011 
7,L,l-16c,6015") 

### create a new DF copy with extra columns useful for our subset 
DFExt <- DF 
# add a column containing the code before the leading chars "a","b","c" extracted from B 
DFExt$BCode <- gsub("^(.+)[abc]$","\\1",DF$B) 
# add a logical column indicating if B ends with "c" 
DFExt$IsChild <- grepl("c$",DF$B) 
# add a column indicating for each BCode how many parents we have 
DFExt$NumParents <- 
ave(1:nrow(DFExt), 
    DFExt$BCode, 
    FUN=function(idxs){ 
     sum(!DFExt$IsChild[idxs]) 
    }) 

### let's subset removing the rows where IsChild=TRUE and NumParents > 0 
DFSubset <- DF[!(DFExt$IsChild & DFExt$NumParents > 0),] 

> DFSubset 
    A  B C 
1 L l-7b 6002 
2 L l-7a 6003 
4 L <NA> 6007 
5 L l-15a 6010 
7 L l-16c 6015 

Answer 2

Eine Idee dplyr Verwendung

library(dplyr) 

#convert to character 
df[1:2] <- lapply(df[1:2], as.character) 

df %>% 
group_by(new = substr(B, 1, nchar(B)-1)) %>% 
mutate(freq = n()) %>% 
subset(!grepl('c', B)|freq == 1) %>% 
ungroup() %>% 
select(A, B, C) 

# A tibble: 6 × 3 
#  A  B  C 
# <chr> <chr> <int> 
#1  L l-7b 6002 
#2  L l-7a 6003 
#3  L <NA> 6007 
#4  L l-15a 6010 
#5  L l-16c 6015 
#6  L l-20b 6087 

Answer 3

Alternative dplyr + tidyr Ansatz:

read.table(text="A  B   C 
L l-7b  6002 
L l-7a  6003 
L l-7c  6006 
L  NA  6007 
L l-15a  6010 
L l-15c  6011 
L l-16c  6015 
L l-20b  6087 
L l-20c  6098", header=TRUE, stringsAsFactors=FALSE) -> df 

library(dplyr) 
library(tidyr) 

filter_kids <- function(x) { 
    if (nrow(x) > 1) x <- filter(x, code2 != "c") 
} 

extract(df, B, c("code1", "code2"), "([[:alpha:]]-[[:digit:]]+)([[:alpha:]])", remove=FALSE) %>% 
    group_by(code1) %>% 
    do(filter_kids(.)) %>% 
    select(A, B, C) 
    data.frame() 
## code1 A  B C 
## 1 l-15 L l-15a 6010 
## 2 l-16 L l-16c 6015 
## 3 l-20 L l-20b 6087 
## 4 l-7 L l-7b 6002 
## 5 l-7 L l-7a 6003 
## 6 <NA> L <NA> 6007 

hinzugefügt am Ende der data.frame(), um die Datenstruktur wie gewünscht zu verdummen.

Answer 4

Hier ist eine andere Art und Weise grundlegende R mit:

A = 1:7 
B = c("1-1a","1-1c","1-2c","1-3b","1-2b",NA,"1-4c") 
df = data.frame(A,B) 

> df 
    A B 
1 1 1-1a 
2 2 1-1c 
3 3 1-2c 
4 4 1-3b 
5 5 1-2b 
6 6 <NA> 
7 7 1-4c 

Do:

rowToRemove = NULL 

# Find rows that have a "c" 
rw = which(grepl("c",df$B)) 

for(k in rw){ 
    # Get all characters that are not "c" 
    m = regexpr("[^c]*",df$B[k]) 

    # Find how many of these are in the B column 
    z = regmatches(df$B[k],m) 
    t = sum(grepl(z,df$B)) 

    # If more than 1, tag for removal 
    if(t>1) rowToRemove = c(rowToRemove,k) 
} 

df = df[-rowToRemove,] 

Ergebnis:

> df 
    A B 
1 1 1-1a 
4 4 1-3b 
5 5 1-2b 
6 6 <NA> 
7 7 1-4c 

Ich bin sicher, dass dies für-Loop-Funktion eines * an vektorisiert werden könnte, aber ich werde diese Übung Sie überlassen,