提问人：Rock 提问时间：3/25/2012 最后编辑：HenrikRock 更新时间：2/25/2021 访问量：43510
包含大于特定值的 （1） ALL 和 （2） ANY 列的子集行
subset rows with (1) ALL and (2) ANY columns larger than a specific value
问：
我有一个带有 id 列的数据框和一些（可能很多）带有值的列，这里是“v1”、“v2”：
df <- data.frame(id = c(1:5), v1 = c(0,15,9,12,7), v2 = c(9,32,6,17,11))
# id v1 v2
# 1 1 0 9
# 2 2 15 32
# 3 3 9 6
# 4 4 12 17
# 5 5 7 11
如何提取所有值大于某个值（例如 10）的行，该值应返回：
# id v1 v2 # 2 2 15 32 # 4 4 12 17如何提取 ANY（至少一个）值大于 10 的行：
# id v1 v2 # 2 2 15 32 # 4 4 12 17 # 5 5 7 11
答：
8赞
bnaul
3/25/2012
#1
这可以使用边距 1 来完成，它将对每一行应用一个函数。检查给定行的函数是apply
function(row) {all(row > 10)}
因此，提取行本身的方法是
df[apply(df, 1, function(row) {all(row > 10)}),]
评论
2赞
flodel
3/25/2012
等等，你要不要考虑该列。或将该函数应用于 。all(row[-1] > 10)iddf[-1]
23赞
Gavin Simpson
3/25/2012
#2
分别查看函数和问题的第一部分和第二部分。该函数可用于在行或列上运行函数。（是行，是列等）。注意：在进行比较时，我使用 on 忽略该变量。all()any()apply()MARGIN = 1MARGIN = 2apply()df[, -1]id
第 1 部分：
> df <- data.frame(id=c(1:5), v1=c(0,15,9,12,7), v2=c(9,32,6,17,11))
> df[apply(df[, -1], MARGIN = 1, function(x) all(x > 10)), ]
id v1 v2
2 2 15 32
4 4 12 17
第 2 部分：
> df[apply(df[, -1], MARGIN = 1, function(x) any(x > 10)), ]
id v1 v2
2 2 15 32
4 4 12 17
5 5 7 11
为了查看发生了什么，为每行返回一个逻辑向量（通过指示每个元素是否大于 10。 如果输入向量的所有元素都为 ，则返回，否则返回。 如果输入中的任何元素是 ，如果所有元素都是 ，则返回 。x > 10apply()all()TRUETRUEFALSEany()TRUETRUEFALSEFALSE
然后，我使用调用产生的逻辑向量apply()
> apply(df[, -1], MARGIN = 1, function(x) all(x > 10))
[1] FALSE TRUE FALSE TRUE FALSE
> apply(df[, -1], MARGIN = 1, function(x) any(x > 10))
[1] FALSE TRUE FALSE TRUE TRUE
到子集（如上所示）。df
4赞
josliber
8/12/2017
#3
一种选择是逐行循环（例如，使用 ） 并使用 或 ，如其他两个答案中所建议的那样。但是，对于大型数据帧，这可能效率低下。applyanyall
矢量化方法是用于确定每行中与您的条件匹配的值数，并基于该值进行筛选。rowSums
（1） 当过滤到 ALL 值至少为 10 的行时，这与过滤到小于或等于 10 的行中的值数为 0 的情况相同：
df[rowSums(df[,-1] <= 10) == 0,]
# id v1 v2
# 2 2 15 32
# 4 4 12 17
（2）类似地，可以很容易地用于计算任何（至少一个）值大于10的行：rowSums
df[rowSums(df[,-1] > 10) > 0,]
# id v1 v2
# 2 2 15 32
# 4 4 12 17
# 5 5 7 11
输入越大，加速就越明显：
set.seed(144)
df <- matrix(sample(c(1, 10, 20), 3e6, replace=TRUE), ncol=3)
system.time(df[apply(df[, -1], MARGIN = 1, function(x) all(x > 10)), ])
# user system elapsed
# 1.754 0.156 2.102
system.time(df[rowSums(df[,-1] <= 10) == 0,])
# user system elapsed
# 0.04 0.01 0.05
1赞
AnilGoyal
2/25/2021
#4
等效如下dplyr
library(dplyr)
#ANY
df %>% rowwise() %>%
filter(any(across(starts_with("v"), ~ sum((. > 10)))))
# A tibble: 3 x 3
# Rowwise:
id v1 v2
<int> <dbl> <dbl>
1 2 15 32
2 4 12 17
3 5 7 11
#ALL
df %>% rowwise() %>%
filter(all(across(starts_with("v"), ~ sum((. > 10)))))
# A tibble: 2 x 3
# Rowwise:
id v1 v2
<int> <dbl> <dbl>
1 2 15 32
2 4 12 17
评论