子集列表元素條件

Question

我有以下的數據幀

mydf<- data.frame(c(1,1,3,4,5,6), 
        c(1,1,3,10,20,30), 
        c(1,10,20,20,15,10)) 
colnames(mydf)<-c("ID1","ID2", "ID3") 

讓我們來算的mydf$ID1和mydf$ID2我們有多麼許多情況下，它們會出現兩次

tmp<-plyr::ddply(mydf,c("ID1","ID2"),nrow) 
tmp<-tmp[tmp$V1==2,] 

這有以下輸出（有兩個相同的情況）

ID1 ID2 V1 
1 1 1 2 

現在我想提取剩餘的字段，即ID3，這兩個實例：

asd<-mydf[ (mydf$ID1 %in% tmp$ID1) & (mydf$ID1 %in% tmp$ID2), ] 

這給了我下面的

ID1 ID2 ID3 
1 1 1 1 
2 1 1 10 

這正是需要的和我想要的東西，所以都好。

---

然而，我的真實數據組不僅包含3個向量像mydf，但300和每個矢量不只是6個元素長，但50.000

當我上運行上述方法我的數據，然後我得到不僅發生2次的條目實例，而且還發現1,3,4等等。所以這意味着什麼是錯的。

是否因爲上述方法無法擴展到大數據？還是因爲我上面概述的方法本質上是錯誤的？

不幸的是，由於我的數據量很大，我無法在此發佈。

---

UPDATE：經與3個矢量的列表只是選擇作​​爲一個例子。實際上，我的數據有很多向量，但我仍然想根據兩個向量的重複對它們進行分組。舉個例子：

library(dplyr) 


mydf<- data.frame(c(1, 1, 3, 4, 5, 6,0), 
        c(22,22, 3,10,20,30,0), 
        c(2, 10,20,20,15,10,0), 
        c(3, 10,20,20,15,10,0), 
        c(4, 10,20,20,15,10,15), 
        c(5, 99,98,98,97,99,97)) 
colnames(mydf)<-c("ID1","ID2", "ID3", "ID4", "ID5", "ID6") 

(mydf %>% group_by(ID5, ID6) %>% filter(n()==2)) 

如期望的那樣，這將產生

ID1 ID2 ID3 ID4 ID5 ID6 
    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 
1  1 22 10 10 10 99 
2  3  3 20 20 20 98 
3  4 10 20 20 20 98 
4  5 20 15 15 15 97 
5  6 30 10 10 10 99 
6  0  0  0  0 15 97 

Answer 1

我們可以dplyr

library(dplyr) 
mydf %>% 
    group_by(ID1, ID2) %>% 
    filter(n()==2) 

這樣做是更簡單的方法。如果有超過2列作爲分組變量，我們可以使用group_by_

mydf %>% 
    group_by_(.dots = names(mydf)[1:2]) %>% 
    filter(n()==2) 

Answer 2

一個基本的R解決方案是使用ave來計算重複計數，提取計數，並根據哪些是成對重複的子集。

mydf[ave(mydf$ID3, mydf$ID1, mydf$ID2, FUN=length) == 2, ] 
    ID1 ID2 ID3 
1 1 1 1 
2 1 1 10 

要分組擴展到許多變量，您可以用Reduce輸出和interaction這樣的替代ID1和ID2的明確上市：

mydf[ave(mydf$ID3, Reduce(interaction, mydf[-3]), FUN=length) == 2, ] 
    ID1 ID2 ID3 
1 1 1 1 
2 1 1 10 

這裏，Reduce(interaction, mydf[-3])構建一個因素變量是ID1和ID2的交互。這將愉快地採取儘可能多的載體，你提供。