用列标头向量对行进行r-交互式子集设置

Question

我有两个不同的数据帧，格式如下：

DF1 -

  v1 v2 v3 v4 v5
a 1  2  +
b 5  2  +  +
c 5  2  +     +
d 4  3     +  +
e 1  5  +     +
f 3  5 
g 4  2  
h 3  1  
i 5  5  +     +

DF2 -

  v1 v2 v3 v4 
a 1  2  +
b 5  2  +  +
c 5  2  +     
d 4  3     +  
e 1  5  +     
f 3  5 
g 4  2  
h 3  1  
i 5  5  +     

我的脚本给出了v1 & v2的散点图，但是首先我删除了v3-v4或v3-v5中至少有一个"+“的行。

我的数据帧可以更大，有更多的v1-v2对，但总是有v3-v4或v3-v5列"+“。我手动调整代码以指定要绘制的列以及要删除的行，这取决于我正在处理的DF格式。

它工作得很好，但我想让脚本更具有交互性，如下所示：

# Select v3-v4 or v3-v5 via interactive gui to give vector of column headers.
remove.vars.vector <- select.list(names(DF), # Select columns as vector of column header names via interactive gui.
                           multiple = TRUE, # Can choose multiple columns.
                           title = "Choose variables to remove from data set", # Title on gui.
                           graphics = TRUE) # Allow launch of gui.

# Return columns from DF with this vector of column headers.
remove.vars.subset <- DF[remove.vars.vector]
# Return rows that have at least one "+" in v3-v4 or v3-v5.
remove.vars.subset.+ <- subset(DF, remove.vars.subset == "+")
# Removes all rows that contain >=1 NA.
complete.data.+ <- remove.vars.subset.+[complete.cases(remove.vars.subset.+), ] 
# Combine by rows "complete.data.+" with DF.
combo.list <- rbind(DF,complete.data.+)
# Remove duplicate rows from combined data frame.
complete.data <- combo.list[!duplicated(combo.list, fromLast = FALSE) & !duplicated(combo.list, fromLast = TRUE),]

Problem：上面的代码没有完全删除包含v3-4或v3-5中至少一个"+“的行的数据帧。问题似乎在于以下几条：

# Return rows that have at least one "+" in v3-v4 or v3-v5.
    remove.vars.subset.+ <- subset(DF, remove.vars.subset == "+")

我还得到了很多行，每个单元格中只有NA，因此在下一行代码中是complete.cases。

因此，最终的数据框架仍然包含一些在v3-4或v3-5中带有"+“的行。

问题

是否有更好的方法在数据帧中使用可能包含"+“的列标题向量对行进行子集？

提前谢谢你。

编辑-09/08/2016-18:54我刚刚注意到一些关于我的数据框架我没有澄清的东西。有些行在v3-v4或v3-v5中没有"+“。这些是我最终想要保留的行，这样我就可以绘制散射图。我已经编辑了相应的数据帧。我只是在寻找答案，试着去理解它们。我对R还是很陌生的。

Answer 1

假设您的数据DF是

> DF
  v1 v2 v3 v4 v5
1  1  2  +      
2  5  2  +  +   
3  5  2  +     +
4  4  3     +  +
5  1  5  +     +

我选择v3和v4。然后，remove.vars.subset，按照您的代码，是

> remove.vars.subset
  v3 v4
1  +   
2  +  +
3  +   
4     +
5  +   

注意，remove.vars.subset == "+"的计算值为

> remove.vars.subset == "+"
        v3    v4
[1,]  TRUE FALSE
[2,]  TRUE  TRUE
[3,]  TRUE FALSE
[4,] FALSE  TRUE
[5,]  TRUE FALSE

然后，subset将要求R从条件计算为TRUE的数据中返回行，即：

DF[c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE),]

连接第一列和第二列。但是在dataframe中只有5行，而逻辑向量中有10个元素。因为DF只有5行，所以NA被追加(所以DF有10行)，并相应地计算表达式。所以你看到了：

> subset(DF, remove.vars.subset == "+")
     v1 v2   v3   v4   v5
1     1  2    +          
2     5  2    +    +     
3     5  2    +         +
5     1  5    +         +
NA   NA NA <NA> <NA> <NA>
NA.1 NA NA <NA> <NA> <NA>

你可能想尝试的是

DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
> DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
[1] v1 v2 v3 v4 v5
<0 rows> (or 0-length row.names)

它不返回任何行，因为所有行(给定v3和v4的选择)都至少有一个"+“行。但假设我们选择了v4和v5

> DF[!apply(remove.vars.subset, MAR=1, function(x) any(x=="+")), ]
  v1 v2 v3 v4 v5
1  1  2  +   

Answer 2

我有一个解决方案，您没有选择列，但是所有带有"+“和NAs的行都从dataframe中删除。我不知道这是否有帮助。它基于以下问题：Better way to filter a data frame with dplyr using OR?

v1 <- c(1,2,3,4,5,NA)
v2 <- c(1,2,3,4,5,NA)
v3 <- c("","+","+","","",NA)
v4 <- c("","+","","+","",NA)
v5 <- c("","+","","","",NA)

D1 <- cbind.data.frame(v1,v2,v3,v4,v5,stringsAsFactors=F)

library(dplyr)

remove.vars.vector <- c("v3","v4","v5")
condition <- c("+",NA)

D1 %>%
  filter(rowSums(sapply(D1, FUN = "%in%", condition)) == 0) -> D1_new

编辑:我找到了选择列的可能性，不幸的是，我没有找到按字符向量选择列的解决方案：

D1 %>% select_(remove.vars.vector) -> D1_sub # NOT working

D1 %>% select(v3:v5) -> D1_sub # working
D1 %>% select(v3,v4,v5) -> D1_sub # working
D1 %>% select_("v3","v4","v5") -> D1_sub # working

D1 %>%
  filter(rowSums(sapply(D1_sub, FUN = "%in%", condition)) == 0) -> D1_new