r - 按条件子集数据

Question

我正在尝试 reshape /减少我的数据。到目前为止，我使用了一个 for 循环(非常慢)，但据我所知，使用 Plyr 应该很快。

我有很多组(公司，作为数据集中的一个因素)，我想完全删除在该公司的任何单元格中为 value 显示 0 条目的每个公司。因此，我创建了一个新的 data.frame，但在某些时候省略了所有显示 value 为 0 的组。

for循环:

Data Creation:

set.seed(1) 
mydf <- data.frame(firmname = sample(LETTERS[1:5], 40, replace = TRUE), 
        value = rpois(40, 2))

-----------------------------
splitby = mydf$firmname


new.data <- data.frame()

for (i in 1:(length(unique(splitby)))) {
temp <- subset(mydf, splitby == as.character(paste(unique(splitby)[i]))) 
    if (all(temp$value > 0) == "TRUE") {     
    new.data <- rbind(new.data, temp) 
} 
} 

Delete all empty firm factors 
new.data$splitby <- factor(new.data$splitby)

有没有办法用 plyr 包来实现？ subset 函数可以在该上下文中使用吗？

编辑:为了重现问题，添加了 BenBarnes 建议的数据创建。本，非常感谢。此外，我的代码已更改以符合下面提供的答案。

Answer 1

您可以为 ddply() 中的 .fun 参数提供一个匿名函数:

set.seed(1)

mydf <- data.frame(firmname = sample(LETTERS[1:5], 40, replace = TRUE),
  value = rpois(40, 2))

library(plyr)

ddply(mydf,.(firmname), function(x) if(any(x$value==0)) NULL else x )

或者按照 Andrie 的建议使用 [:

firms0 <- unique(mydf$firmname[which(mydf$value == 0)])

mydf[-which(mydf$firmname %in% firms0), ]

注意ddply的结果是按照firmname排序的

编辑

对于您评论中的示例，这种方法再次比使用 ddply() 进行子集化更快，只选择具有三个以上条目的公司:

firmTable <- table(mydf$firmname)

firmsGT3 <- names(firmTable)[firmTable > 3]

mydf[mydf$firmname %in% firmsGT3, ]