如何用分组if else筛选器剔除占比不足50%的变量关联行

我有一份记录变量X1与X2间不同类型关联的数据集，需要按分组剔除占比低于50%的变量：

• 判断规则：按分组计算变量自关联（X1=X2的行）的Tlinks与组内最大Tlinks的比值，若比值小于0.5，则移除所有包含该变量的行
• 示例中A4的自关联比值（15/71≈21%）不足50%，因此要移除所有含A4的行

原始数据集：

dat <- read.table(text = "
   group X1    X2     `++`  `--`  `+-`  `-+`  `0+`  `+0`  `0-`  `-0`  `00` Tlinks
 1 52    A1    A1        0     6     0     0     0     0     0     0    65     71
 2 52    A2    A1        0     0     0     0     0     0     0     0    71     71
 3 52    A2    A2        0     0     0     0     0     0     0     0    71     71
 4 52    A3    A1        0     0     0     0     0    13     0     3    55     71
 5 52    A3    A2        0     0     0     0     0     0     0     0    71     71
 6 52    A3    A3        0    20     0     0     0     0     0     0    51     71
 7 52    A4    A1        0     0     0     0     0     0     0     0    71     71
 8 52    A4    A2        0     0     0     0     0     0     0     0    71     71
 9 52    A4    A3        0     0     0     0     0     0     0     0    71     71
10 52    A4    A4        0     0     0     0     0     0     0     0    15     15
", header = TRUE)

当前尝试的代码无法实现需求：

dat2 <- dat %>%     
group_by(group) %>%
filter(if(X1 == X2 & Tlinks/max(Tlinks) > 0.50) X1 | X2 else TRUE)

解决思路 #

1. 按分组计算组内最大Tlinks值
2. 筛选出自关联行（X1=X2），计算每个变量的Tlinks与组内最大值的比值
3. 提取比值≥0.5的合格变量列表
4. 保留原始数据集中X1或X2属于合格变量的行

正确代码 #

library(dplyr)

dat2 <- dat %>%
  group_by(group) %>%
  # 计算组内最大Tlinks
  mutate(max_tlinks = max(Tlinks)) %>%
  # 筛选自关联行，保留比值达标变量
  filter(X1 == X2, Tlinks/max_tlinks >= 0.5) %>%
  # 提取合格变量列表
  pull(X1) %>%
  # 过滤原始数据，保留含合格变量的行
  { filter(dat, X1 %in% . | X2 %in% .) }

或者更简洁的链式写法：

dat2 <- dat %>%
  group_by(group) %>%
  mutate(max_t = max(Tlinks)) %>%
  filter(X1 == X2, Tlinks/max_t >= 0.5) %>%
  distinct(X1) %>%
  pull(X1) %>%
  filter(dat, X1 %in% ., X2 %in% .)

验证结果 #

运行后得到的dat2与目标数据集完全一致：

#   group X1 X2 ++ -- +- -+ 0+ +0 0- -0 00 Tlinks
# 1    52 A1 A1  0  6  0  0  0  0  0  0 65     71
# 2    52 A2 A1  0  0  0  0  0  0  0  0 71     71
# 3    52 A2 A2  0  0  0  0  0  0  0  0 71     71
# 4    52 A3 A1  0  0  0  0  0 13  0  3 55     71
# 5    52 A3 A2  0  0  0  0  0  0  0  0 71     71
# 6    52 A3 A3  0 20  0  0  0  0  0  0 51     71

内容的提问来源于stack exchange，提问作者Hard_Course