Início / coding / Perguntas / 79135950
Accepted
Bugsy
Asked: 2024-10-29 13:46:07 +0800 CST

usando aplicar e filtrar para R dataframe

  • 772

Sou novo em R e queria saber como usar uma maneira inteligente de primeiro aplicar uma função em duas colunas de um dataframe e depois filtrar por determinados critérios.

Então a lista inicial fica assim:

Amostra1 Amostra2 Irmãs Valor
100_99 200_98 Sim 20
101_99 200_98 Sim 20
102_99 200_98 Sim 20
103_99 201_98 Sim 20
104_99 201_98 Sim 20
200_99 100_98 Sim 20
100_99 100_98 Sim 20

e eu quero que fique assim:

Amostra1 Amostra2 Irmãs Valor
100_99 200_98 Sim 20
200_99 100_98 Sim 20
100_99 100_98 Sim 20

Eu também tenho uma matriz:

paraVerificar <- [100, 200]

O que eu quero fazer:

1º) Basta pegar o primeiro número da string (até o _) de ambas as strings nas colunas "Sample1" e "Sample2"

2º) Verifique se os números estão no array "toCheck"

3º) Mantenha todas as linhas que tenham um número em cada uma dessas colunas

Tentei muitas coisas e não sei se o piping é a opção correta: (Escrevi uma função que apenas pega o primeiro número da string)

qq <-  df %>% 
  df $Sample1 <-lapply(df $Sample1, functionToJustTakeTheFirstNumber)
  df $Sample2 <-lapply(df $Sample2, functionToJustTakeTheFirstNumber)
  filter(Sample1 %in% toCheck && Sample2 %in% toCheck )

Eu sempre recebo mensagens de erro engraçadas como

Erro em match.fun(FUN) :

'df$Sample2' não é uma função, caractere ou símbolo

1 respostas

  1. Best Answer

    Uma abordagem pura do tidyverse seria usar dplyr::filter, dplyr::if_alle stringr::str_split_iassim:

    library(dplyr, warn = FALSE)
library(stringr)

toCheck <- c(100, 200)

df |>
  filter(
    if_all(
      c(Sample1, Sample2),
      ~ stringr::str_split_i(.x, "_", 1) %in% toCheck
    )
  )
#>   Sample1 Sample2 Sisters Value
#> 1  100_99  200_98     Yes    20
#> 2  200_99  100_98     Yes    20
#> 3  100_99  100_98     Yes    20

    DADOS

    df <- data.frame(
  stringsAsFactors = FALSE,
  Sample1 = c(
    "100_99", "101_99", "102_99",
    "103_99", "104_99", "200_99", "100_99"
  ),
  Sample2 = c(
    "200_98", "200_98", "200_98",
    "201_98", "201_98", "100_98", "100_98"
  ),
  Sisters = c("Yes", "Yes", "Yes", "Yes", "Yes", "Yes", "Yes"),
  Value = c(20L, 20L, 20L, 20L, 20L, 20L, 20L)
)
    • 3

relate perguntas