r - 使用 dplyr 使用两列之间的公共(public)值进行过滤

Question

我有一个这样的数据集 -

tibble(
  year = c (2005, 2005, 2005,
            2006, 2006, 2006,
            2007,2007,2007),
  var1 = c (2136,2136,2136,
            2285,2285,2285,
            2968,2968,2968),
  var2 = c (125860,1318,127464,
            8972,2136,5046,
            4739,1619,10063)
)

我想像这样过滤数据集 -
第一组按数据按变量 year和 var1 ，然后比较列 var1和 var2 ,
如果发现列中的值 var1和 var2匹配，然后我想过滤所有这些。
对于示例数据集，如果我们查看，我们可以在 var1 中看到2005 年的 2136 与 var2 中的 2136 匹配在 2006 年。因此，我想过滤 2005 年和 2006 年的行，因为在两列中 var1和 var2 ，它们有一个共同的值 - 2136。
所以预期的结果将如下所示 -

tibble(
  year = c (2005, 2005, 2005,
            2006, 2006, 2006
            ),
  var1 = c (2136,2136,2136,
            2285,2285,2285),
  var2 = c (125860,1318,127464,
            8972,2136,5046)
)

有人可以帮忙吗？

Answer 1

在tidyverse中相当容易。我正在使用 purrr::map2_lgl()除了这里通常的 dplyr 功能。

library(tidyverse)
df <- tibble(
  year = c (2005, 2005, 2005,
            2006, 2006, 2006,
            2007,2007,2007),
  var1 = c (2136,2136,2136,
            2285,2285,2285,
            2968,2968,2968),
  var2 = c (125860,1318,127464,
            8972,2136,5046,
            4739,1619,10063)
)

df %>% 
  mutate(xx = map2_lgl(var1, var2, ~ .x %in% var2 | .y %in% var1)) %>%
  group_by(year, var1) %>%
  filter(any(xx))
#> # A tibble: 6 x 4
#> # Groups:   year, var1 [2]
#>    year  var1   var2 xx   
#>   <dbl> <dbl>  <dbl> <lgl>
#> 1  2005  2136 125860 TRUE 
#> 2  2005  2136   1318 TRUE 
#> 3  2005  2136 127464 TRUE 
#> 4  2006  2285   8972 FALSE
#> 5  2006  2285   2136 TRUE 
#> 6  2006  2285   5046 FALSE

由 reprex package 创建于 2021-06-23| (v2.0.0)
您可以删除 xx取消分组后，如果需要。我保留这个是为了解释事情。