r - 多行删除 : delete row depending on other row

Question

我遇到了一个相当复杂的问题。我有一个包含三行的数据框:id、info 和 rownum。数据如下所示:

id   info   row
 1      a     1
 1      b     2
 1      c     3
 2      a     4
 3      b     5
 3      a     6
 4      b     7
 4      c     8

我现在要做的是删除一个 id 的所有其他行，如果其中一行包含信息 a。这意味着，例如，行 2 和 3 应该被删除，因为行 1 的列信息包含值 a .请注意，信息值未排序(id 3/第 5 和 6 行)，并且由于其他数据限制而无法排序。

我使用 for 循环解决了这个问题:

# select all id containing an "a"-value 
a_val <- data$id[grep("a", data$info)]

# check for every id containing an "a"-value
for(i in a_val) {

   temp_data <- data[which(data$id == i),]

   # only go on if the given id contains more than one row
   if (nrow(temp_data) > 1) {

      for (ii in nrow(temp_data)) {

         if (temp_data$info[ii] != "a") {
            temp <- temp_data$row[ii]

            if (!exists("delete_rows")) {
               delete_rows <- temp
            } else {
               delete_rows <- c(delete_rows, temp)
            }
         }
      }
   }
}

我的解决方案效果很好。尽管如此，它还是非常、非常、非常慢，因为原始数据包含超过 700k 行和超过 150k 行的“a”值。

我可以使用具有 4 个内核的 foreach 循环来加速它，但也许有人可以给我一个更好的解决方案的提示。

最好的问候，
阿恩

[更新]

结果应该是:

id   info   row
 1      a     1
 2      a     4
 3      a     6
 4      b     7
 4      c     8

Answer 1

这是一种可能的解决方案。

首先找到info包含"a"的id:

ids <- with(data, unique(id[info == "a"]))

子集数据:

subset(data, (id %in% ids & info == "a") | !id %in% ids)

输出:

  id info row
1  1    a   1
4  2    a   4
6  3    a   6
7  4    b   7
8  4    c   8

---

另一种解决方案(可能更难破译):

subset(data, info == "a" | !rep.int(tapply(info, id, function(x) any(x == "a")),
                                    table(id)))

注意。 @BenBarnes 发现此解决方案仅在数据框根据 id 排序时才有效。