如何使用 R 中的 dplyr 根据跨越多列的标准过滤数据框

Question

我有一个包含 92 个变量和 1900 个观测值的数据框。本质上，我将物种 ID 作为我感兴趣的变量，并将相对丰度作为其他变量。

列69:92（23 列）是质量控制变量，范围为 0-10。我想过滤我的数据，以便每个物种至少有 4 个大于 5 的质量控制变量。到目前为止我想出的最好的事情不是我想要的，但至少在我有至少 1 个 QC>5 的变量并且行的总和大于 100:[=12 的基础上过滤数据=]

df_QC <-  df %>%
  filter_at(vars(contains("QC")), any_vars(. >= 5))%>% 
  rowwise()%>% 
  mutate(total = sum(c_across(69:92)))
  filter(total >99.9)

有没有办法按照我喜欢的方式解决它？

重申一下，如果 QC> 5，我想 select 对至少 4 个 QC 变量进行分类。

我的数据有点大，所以让我们处理一个较小的数据集来重现这个问题。虹膜数据，但添加一些质量控制变量：

df <-cbind(iris, data.frame(qc1 = sample(0:10, size=150, replace=TRUE),
                            qc2 = sample(0:10, size=150, replace=TRUE),
                            qc3 = sample(0:10, size=150, replace=TRUE),
                            qc4 = sample(0:10, size=150, replace=TRUE),
                            qc5 = sample(0:10, size=150, replace=TRUE)))

#Then similarly I would do a filtering that is not really what I want:

df_QC <-  df %>%
  filter_at(vars(contains("QC")), any_vars(. >= 5))%>% 
  rowwise()%>% 
  mutate(total = sum(c_across(6:10)))%>%
filter(total >15)

那么对于这个示例数据，我如何过滤掉至少 3 个 QC 的 QC>5 的物种？

在此先感谢您的帮助！

Answer 1

这里有一种使用 rowSums 的方法。基本上计算每行值 >= 5 的数量，并检查这个数字是否大于或等于 4.

dplyr

library(dplyr)
df %>% 
  filter(rowSums(.[str_c("qc", 1:5)] >= 5) >= 4)

基础 R

df[rowSums(df[paste0("qc", 1:5)] >= 5) >= 4, ]

输出

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species qc1 qc2 qc3 qc4 qc5
1           4.8         3.4          1.6         0.2     setosa   6   9   5  10  10
2           5.8         4.0          1.2         0.2     setosa   9   8   3   7   5
3           5.7         3.8          1.7         0.3     setosa   4  10   9   7   7
4           5.1         3.3          1.7         0.5     setosa   7   6  10   1   7
5           4.8         3.4          1.9         0.2     setosa   1   6   6   7   7
6           5.2         3.5          1.5         0.2     setosa   5   1   6   6   7
7           5.5         3.5          1.3         0.2     setosa  10   3   6   6   6
8           4.9         3.6          1.4         0.1     setosa   8   4  10   8   6
9           4.4         3.0          1.3         0.2     setosa   1   8   5   6  10
10          5.0         3.5          1.3         0.3     setosa   9   9   5   9   1
...

如何使用 R 中的 dplyr 根据跨越多列的标准过滤数据框

How to filter data frame based on criteria spanning multiple columns using dplyr in R

r

dplyr

tidyverse

dplyr

基础 R