tamaño - Seleccionar filas de un marco de datos basado en valores en un vector

seleccionar filas en r

Question

Tengo datos similares a esto:

dt <- structure(list(fct = structure(c(1L, 2L, 3L, 4L, 3L, 4L, 1L, 2L, 3L, 1L, 2L, 3L, 2L, 3L, 4L), .Label = c("a", "b", "c", "d"), class = "factor"), X = c(2L, 4L, 3L, 2L, 5L, 4L, 7L, 2L, 9L, 1L, 4L, 2L, 5L, 4L, 2L)), .Names = c("fct", "X"), class = "data.frame", row.names = c(NA, -15L))

Quiero seleccionar filas de este marco de datos en función de los valores en la variable fct . Por ejemplo, si deseo seleccionar filas que contengan "a" o "c", puedo hacer esto:

dt[dt$fct == ''a'' | dt$fct == ''c'', ]

cuyos rendimientos

1    a 2
3    c 3
5    c 5
7    a 7
9    c 9
10   a 1
12   c 2
14   c 4

como se esperaba. Pero mis datos reales son más complejos y realmente quiero seleccionar filas basadas en los valores de un vector como

vc <- c(''a'', ''c'')

Así que lo intenté

dt[dt$fct == vc, ]

pero por supuesto que eso no funciona. Sé que podría codificar algo para recorrer el vector y sacar las filas necesarias y anexarlas a un nuevo marco de datos, pero esperaba que hubiera una manera más elegante.

Entonces, ¿cómo puedo filtrar / subconjuntar mis datos en función del contenido del vector vc ?

Answer 1

Eche un vistazo a ?"%in%" .

dt[dt$fct %in% vc,]
   fct X
1    a 2
3    c 3
5    c 5
7    a 7
9    c 9
10   a 1
12   c 2
14   c 4

También podría usar ?is.element :

dt[is.element(dt$fct, vc),]

Answer 2

Otra opción sería usar una data.table con data.table :

library(data.table)
setDT(dt, key = ''fct'')[J(vc)]  # or: setDT(dt, key = ''fct'')[.(vc)]

lo que resulta en:

   fct X
1:   a 2
2:   a 7
3:   a 1
4:   c 3
5:   c 5
6:   c 9
7:   c 2
8:   c 4

Que hace esto?

• setDT(dt, key = ''fct'') transforma el data.frame en un data.table (que es una forma mejorada de un data.frame ) con la columna fct configurada como clave.
• A continuación, puede subconjunto con el vector vc con [J(vc)] .

NOTA: cuando la clave es una variable de factor / carácter, también puede usar setDT(dt, key = ''fct'')[vc] pero eso no funcionará cuando vc sea ​​un vector numérico. Cuando vc es un vector numérico y no está envuelto en J() o .() , vc funcionará como un rowindex.

Se puede encontrar una explicación más detallada del concepto de claves y subconjuntos en las teclas de viñeta y en el subconjunto basado en búsqueda binaria rápida .

Una alternativa sugerida por @Frank en los comentarios:

setDT(dt)[J(vc), on=.(fct)]

Cuando vc contiene valores que no están presentes en dt , deberá agregar nomatch = 0 :

setDT(dt, key = ''fct'')[J(vc), nomatch = 0]

o:

setDT(dt)[J(vc), on=.(fct), nomatch = 0]

Answer 3

Similar a la anterior, usando el filter de dplyr :

filter(df, fct %in% vc)