r - 过滤位于 2 个数字向量之间的数据表行向量

我有一个与此类似的 data.table (df):

df <- read.table(header=TRUE, text='
ID AltID   Crit1   Crit2   Crit3
1  1       1       5       10
1  2       3       7       15
1  3       2       6       11')

对于每个 Crit -column 我有一个这样的上限和下限:

minCutoff = c(0, 5, 10)
maxCutoff = c(4, 7, 12)

从 data.table (df) 计算得出。

我想要一个函数，它排除一个值超出范围的任何行。此外，我希望此函数能够使用可变数量的 Crit 列(例如 3 个 Crit 列、4 个 Crit 列等)，因为我的输入数据可能会发生变化。

因此，对于此示例，尽管 Crit3 (15) > maxCutoff (12) 和 Crit1 在可接受的范围内，但第 1 行和第 3 行将被保留，但第 2 行将被丢弃，因为其 Crit2。因此，输出将是:

ID AltID   Crit1   Crit2   Crit3
1  1       1       5       10
1  3       2       6       11

我已经尝试使用 for 循环来计算我拥有的列数，然后使用嵌套的 for 循环来使用类似...

for (c in 1:(ncol(df)-2)+2)
{
    for (r in 1:nrow(df))
    {
     between(df[r,c], minCutoff[c], maxCutoff[c])
    }
}

* ncol(df)-2)+2 是由于围绕 ID 列工作

但是，现在我有 TON 的 T/F 值，我无法聚合这些值来确定是否应该保留或丢弃一行。

我确信有一种神奇的 R 方法可以使这个过程更简单，但我不够熟练，无法看到它。

如果有人有任何提示、技巧或其他线索来为我指明正确的方向，我将不胜感激。

最佳答案

您的数据:

df <- read.table(header=TRUE, text='
ID AltID   Crit1   Crit2   Crit3
1  1       1       5       10
1  2       3       7       15
1  3       2       6       11')
minCutoff = c(0, 5, 10)
maxCutoff = c(4, 7, 12)

特尔；博士:

df[rowSums(mapply(between, df[ grep("Crit", colnames(df)) ], minCutoff, maxCutoff)) >= 3,]
#   ID AltID Crit1 Crit2 Crit3
# 1  1     1     1     5    10
# 3  1     3     2     6    11

使用一个函数可以轻松处理可变数量的 Crit 列，依次应用于每个列，然后聚合结果。如果您已经在使用 dplyr 包，那么您已经有了 dplyr::between ，但如果没有，那么这里是一个可接受的替代品:

between <- function(x, low, hi) low <= x & x <= hi

我将带您完成工作:

isbetween <- mapply(between, df[ grep("Crit", colnames(df)) ], minCutoff, maxCutoff)
isbetween
#      Crit1 Crit2 Crit3
# [1,]  TRUE  TRUE  TRUE
# [2,]  TRUE  TRUE FALSE
# [3,]  TRUE  TRUE  TRUE

df[grepl("Crit", colnames(df)) ] 是一种(多种)方式，用于查看您感兴趣的列；

mapply 应用一个函数(在本例中为 between )，其中包含每个其他列表/向量的第一个值。它实际上等同于:

between(df[3], minCutoff[1], maxCutoff[1])
between(df[4], minCutoff[2], maxCutoff[2])
...

现在我们在各自的截止值内有一个单独值的逻辑矩阵，我们查看每一行以检查它们是否满足您的过滤器要求 3 或更多。不幸的是，您列出的预期输出与您的规则不兼容，因此我将提供一些替代方案:

“其中任何 3 列不在范围内”，这意味着如果 FALSE 有 3 列或更多列，则应删除该行

rowSums(!isbetween) >= 3
# [1] FALSE FALSE FALSE

“其中至少有 3 列落在范围内”，这是您预期的输出建议:

rowSums(isbetween) >= 3
# [1]  TRUE FALSE  TRUE

无论您选择哪个，都使用此逻辑向量并对行进行子集化，例如

df[rowSums(isbetween) >= 3,]
#   ID AltID Crit1 Crit2 Crit3
# 1  1     1     1     5    10
# 3  1     3     2     6    11

(Rui's answer 和 this 之间的最大区别在于，该答案在 apply 上使用 data.frame 进行行操作，将相关列隐式转换为矩阵。我的答案按列进行(使用框架进行自然操作)，因此未进行任何转换. 除了这种转换，如果框架不是很大，那么 row-wise 和 column-wise 的性能应该大致相同。如果它在很大程度上是不对称的(例如，行比列多得多)，那么它可能是一个以列方式工作的速度稍快。R 中的矢量化工作几乎总是比迭代快得多。)

关于r - 过滤位于 2 个数字向量之间的数据表行向量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51770443/