0

我有一个 300x300 df。每行代表不同患者的数据，以 id 命名。前 2 列是患者 ID。列“id_all”包含的参与者比需要的多，而且比“id”多。我的目标是只保留与第一列“id”相对应的患者信息。

第一个 9x9 看起来像这样：

ID id_all MMSE BL MMSE 12 MMSE 24 MMSE 36 MMSE 48 MMSE 60 MMSE 72
aaa002 aaa000 22 18 不适用 不适用 不适用 不适用 不适用
aaa003 aaa002 29 28 28 29 30 29 不适用
aaa005 aaa003 30 29 30 30 30 不适用 不适用
aaa024 aaa005 29 28 25 不适用 不适用 25 不适用
aaa026 aaa024 30 29 29 29 不适用 不适用 不适用
aaa048 aaa026 28 30 28 27 30 30 不适用
aaa095 aaa038 29 29 29 26 不适用 不适用 不适用
aaa222 aaa048 30 29 29 28 28 29 不适用

因此，基于第一列，我想以某种方式遍历第二列，并删除与第一列“id”不匹配的参与者的所有信息。这意味着，在第一行中，删除 2:300 列，并保持第一列不变。

最后，我希望我的 df 看起来像这样：

ID id_all MMSE BL MMSE 12 MMSE 24 MMSE 36 MMSE 48 MMSE 60 MMSE 72
aaa002 aaa002 29 28 28 29 30 29 不适用
aaa003 aaa003 30 29 30 30 30 不适用 不适用
aaa005 aaa005 29 28 25 不适用 不适用 25 不适用
aaa024 aaa024 30 29 29 29 不适用 不适用 不适用
aaa026 aaa026 28 30 28 27 30 30 不适用
aaa048 aaa048 30 29 29 28 28 29 不适用
aaa095 ...
aaa222 ...

在此示例中，id_all aaa000 和 aaa038 在 id 列中没有匹配项，因此我想删除有关这些参与者的所有信息。我无法弄清楚如何删除几乎所有的行（几乎是因为只剩下前两个单元格），并将所有单元格向上移动。

另一种可能性是，将第一列向下移动直到 id 与 id_all 匹配，然后删除在 id 列中有一个空单元格的整行。

谢谢！

4

2 回答 2

1

在 tidyverse 中：

library(dplyr)
df %>% 
  filter(id == id_all)

在基地：

df[df$id == df$id_all, ]
于 2021-01-14T10:03:02.237 回答
1

我认为这将达到目的

library(tidyverse)

df %>% filter(!is.na(match(id_all, df$id))) %>% select(-id)

  id_all MMSE.BL MMSE.12 MMSE.24 MMSE.36 MMSE.48 MMSE.60 MMSE.72
1 aaa002      29      28      28      29      30      29      NA
2 aaa003      30      29      30      30      30      NA      NA
3 aaa005      29      28      25      NA      NA      25      NA
4 aaa024      30      29      29      29      NA      NA      NA
5 aaa026      28      30      28      27      30      30      NA
6 aaa048      30      29      29      28      28      29      NA

由于id == id_all在最终数据中，不需要重复列。如果需要，可以通过mutate(id = id_all)在上述语法末尾添加来轻松创建

df %>% filter(!is.na(match(id_all, df$id))) %>% select(-id) %>% mutate(id = id_all) %>%
  select(id, everything())

      id id_all MMSE.BL MMSE.12 MMSE.24 MMSE.36 MMSE.48 MMSE.60 MMSE.72
1 aaa002 aaa002      29      28      28      29      30      29      NA
2 aaa003 aaa003      30      29      30      30      30      NA      NA
3 aaa005 aaa005      29      28      25      NA      NA      25      NA
4 aaa024 aaa024      30      29      29      29      NA      NA      NA
5 aaa026 aaa026      28      30      28      27      30      30      NA
6 aaa048 aaa048      30      29      29      28      28      29      NA

dputdf使用过的

df <- structure(list(id = c("aaa002", "aaa003", "aaa005", "aaa024", 
"aaa026", "aaa048", "aaa095", "aaa222"), id_all = c("aaa000", 
"aaa002", "aaa003", "aaa005", "aaa024", "aaa026", "aaa038", "aaa048"
), MMSE.BL = c(22L, 29L, 30L, 29L, 30L, 28L, 29L, 30L), MMSE.12 = c(18L, 
28L, 29L, 28L, 29L, 30L, 29L, 29L), MMSE.24 = c(NA, 28L, 30L, 
25L, 29L, 28L, 29L, 29L), MMSE.36 = c(NA, 29L, 30L, NA, 29L, 
27L, 26L, 28L), MMSE.48 = c(NA, 30L, 30L, NA, NA, 30L, NA, 28L
), MMSE.60 = c(NA, 29L, NA, 25L, NA, 30L, NA, 29L), MMSE.72 = c(NA, 
NA, NA, NA, NA, NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-8L))

> df
      id id_all MMSE.BL MMSE.12 MMSE.24 MMSE.36 MMSE.48 MMSE.60 MMSE.72
1 aaa002 aaa000      22      18      NA      NA      NA      NA      NA
2 aaa003 aaa002      29      28      28      29      30      29      NA
3 aaa005 aaa003      30      29      30      30      30      NA      NA
4 aaa024 aaa005      29      28      25      NA      NA      25      NA
5 aaa026 aaa024      30      29      29      29      NA      NA      NA
6 aaa048 aaa026      28      30      28      27      30      30      NA
7 aaa095 aaa038      29      29      29      26      NA      NA      NA
8 aaa222 aaa048      30      29      29      28      28      29      NA
于 2021-01-14T10:07:58.283 回答