r - 根据特定值过滤 data.frame 的每一列

Question

考虑以下数据框:

df <- data.frame(replicate(5,sample(1:10,10,rep=TRUE)))

#   X1 X2 X3 X4 X5
#1   7  9  8  4 10
#2   2  4  9  4  9
#3   2  7  8  8  6
#4   8  9  6  6  4
#5   5  2  1  4  6
#6   8  2  2  1  7
#7   3  8  6  1  6
#8   3  8  5  9  8
#9   6  2  3 10  7
#10  2  7  4  2  9

使用 dplyr ，如何在每列(不隐式命名它们)上过滤所有大于 2 的值。

模仿假设的东西 filter_each(funs(. >= 2))
现在我正在做:

df %>% filter(X1 >= 2, X2 >= 2, X3 >= 2, X4 >= 2, X5 >= 2)

这相当于:

df %>% filter(!rowSums(. < 2))

注意:假设我只想过滤前 4 列，我会这样做:

df %>% filter(X1 >= 2, X2 >= 2, X3 >= 2, X4 >= 2) 

或者

df %>% filter(!rowSums(.[-5] < 2))

会有更有效的替代方案吗？

编辑:子问题

如何指定列名并模拟假设 filter_each(funs(. >= 2), -X5) ?

基准子题

由于我必须在大型数据集上运行它，因此我对建议进行了基准测试。

df <- data.frame(replicate(5,sample(1:10,10e6,rep=TRUE)))

mbm <- microbenchmark(
Marat = df %>% filter(!rowSums(.[,!colnames(.) %in% "X5", drop = FALSE] < 2)),
Richard = filter_(df, .dots = lapply(names(df)[names(df) != "X5"], function(x, y) { call(">=", as.name(x), y) }, 2)),
Docendo = df %>% slice(which(!rowSums(select(., -matches("X5")) < 2L))),
times = 50
)

结果如下:

#Unit: milliseconds
#    expr       min        lq      mean    median       uq      max neval
#   Marat 1209.1235 1320.3233 1358.7994 1362.0590 1390.342 1448.458    50
# Richard 1151.7691 1196.3060 1222.9900 1216.3936 1256.191 1266.669    50
# Docendo  874.0247  933.1399  983.5435  985.3697 1026.901 1053.407    50

Answer 1

这是一个使选择名称变得相当简单的想法。您可以设置要发送到 .dots 的调用列表。 filter_() 的论据.首先是一个创建未评估调用的函数。

Call <- function(x, value, fun = ">=") call(fun, as.name(x), value)

现在我们使用 filter_() ，将调用列表传递到 .dots使用 lapply() 的参数，选择您想要的任何名称和值。

nm <- names(df) != "X5"
filter_(df, .dots = lapply(names(df)[nm], Call, 2L))
#   X1 X2 X3 X4 X5
# 1  6  5  7  3  1
# 2  8 10  3  6  5
# 3  5  7 10  2  5
# 4  3  4  2  9  9
# 5  8  3  5  6  2
# 6  9  3  4 10  9
# 7  2  9  7  9  8

您可以查看由 Call() 创建的未评估调用。 ，例如 X4和 X5 ， 和

lapply(names(df)[4:5], Call, 2L)
# [[1]]
# X4 >= 2L
#
# [[2]]
# X5 >= 2L

所以如果你调整 names()在 X lapply() 的论据，你应该没问题。