Question

我有一个变量数据集

Year    Age Bag Computer
2008    0   4   4
2008    1   5   3
2008    2   5   12.5
2008    3   5   15
2008    4   5   33
2008    5   5   11
2008    85  5   3.5
2008    .   .   .
2008    108 0   0
2008    109 0   0
2008    110+    0   0

我需要在R中对此进行子集化，以便删除数据库中的所有零并获得此最终表格

Year    Age Bag Computer
2008    0   4   4
2008    1   5   3
2008    2   5   12.5
2008    3   5   15
2008    4   5   33
2008    5   5   11
2008    7   5   14.5
2008    8   5       17

老年人不为零。

Answer 1

如果要识别包含在行或计算机列中的0行（假设您的数据框名为dat，则可以使用：

bad.rows <- which(dat$Bag==0 | dat$Computer==0)

您可以将它们分组为：

subset(dat, !rownames(dat) %in% bad.rows)

或者您可以跳过识别行的步骤，只使用子集：

subset(dat, Bag!=0 & Computer!=0)

请注意，否定均等意味着可能需要切换到使用“＆amp;” （或许这不是你想要的。）你的描述在这方面有点模糊。如果两者都为零，或者删除年龄超过特定年龄的年龄，您可能只想删除它们。

subset(dat, !(Bag==0 & Computer==0) ) #  ages with any non-zero

Answer 2

要对表格进行子集化，请使用......好，subset：

newTable <- subset(oldTable, Bag != 0)

或者，相当于

newTable <- oldTable[oldTable$Bag != 0, ]

目前还不清楚你的标准究竟是什么。如果您要删除Bar 或 Computer为0的任何行，则可以合并条件：

newTable <- subset(oldTable, Bag != 0 & Computer != 0)

（另一种语法也有效。）

Answer 3

看起来您想要进行子集化，如果除any之外的Age列中有零，则删除该行。我使用apply来遍历行并使用逻辑比较来查看any值（年龄除外）是否等于0所以我这样做（假设数据库是叫df）：

#  Return a logical vector. TRUE if any value in row == 0
#  x[-2] removes the df$Age column from comparison
idx <- apply( df , 1 , function(x) any( x[-2] == 0 ) )

#  Use this to subset
df[ !idx , ]
#  Year Age Bag Computer
#1 2008   0   4      4.0
#2 2008   1   5      3.0
#3 2008   2   5     12.5
#4 2008   3   5     15.0
#5 2008   4   5     33.0
#6 2008   5   5     11.0
#7 2008  85   5      3.5

修改

因为@Arun抱怨我的速度很慢（我当时 - 但是我想方便代码，这很容易让你坚持使用大量的数据帧或矩阵来测试）我投入了规范（和最快的！）子集化的方式是：

df[ df$Bag == 0 | df$Computer == 0 , ]

无论如何，@Konrad给出的答案中隐含着这一点。

Answer 4

另一种方式：

df[with(df, complete.cases(cbind(Bag, Computer)/0)), ]

对更大数据进行基准测试：

set.seed(45)
sz <- 1e6
df <- data.frame(Year=sample(1930:2013, sz, replace=TRUE), 
                 Age=sample(100, sz, replace=TRUE), 
                 Bag = sample(0:5, sz, TRUE), 
                 Computer=sample(0:10, sz, TRUE))

simon <- function(dt) {
    idx <- apply( dt , 1 , function(x) any( x[-2] == 0 ) )
    dt[ !idx , ]
}

dwin_konrad <- function(dt) {
    subset(dt, Bag != 0 & Computer != 0)
}

arun <- function(dt) {
    dt[with(dt, complete.cases(cbind(Bag, Computer)/0)), ]
}

require(microbenchmark)
microbenchmark(o1 <- simon(df), o2 <- dwin_konrad(df), o3 <- arun(df), times=5)

Unit: milliseconds
                  expr        min         lq     median         uq        max neval
       o1 <- simon(df) 15971.7720 16348.4055 16540.6794 18153.9090 18443.5480     5
 o2 <- dwin_konrad(df)   402.7010   419.3139   494.9592   723.1468   745.5400     5
        o3 <- arun(df)   320.8689   324.0388   334.0515   335.8886   366.6647     5

identical(o1, o2) # TRUE
identical(o1, o3) # TRUE

删除包含零的行

4 个答案:

修改