R语言不使用dplyr包筛选含多个个体分组的实现方法

问题背景 #

现有数据集规则如下：

• 每个分组包含1或2个独立个体
• 单个个体可能对应多条数据条目
  示例数据构造代码：

group<-c(1,1,1,1,2,2,3,3,3,3,4,4)
individualID<-c(1,1,2,2,3,3,5,5,6,6,7,7)
X<-rbinom(12,1,0.5)
df1<-data.frame(group,individualID,X)

示例数据输出：

> df1
   group individualID X     
1      1            1  0 
2      1            1  1 
3      1            2  1 
4      1            2  1 
5      2            3  1 
6      2            3  1 
7      3            5  1 
8      3            5  1 
9      3            6  1 
10     3            6  1 
11     4            7  0 
12     4            7  1 

统计各分组独立个体数的基础代码：

aggregate(data = df1,  individualID ~ group, function(x) length(unique(x)))

统计结果：

group individualID 
1 1    2
2 2    1
3 3    2
4 4    1

需求 #

不依赖dplyr包，仅保留分组内独立个体数>1的分组（即保留分组1、3的所有数据，删除分组2、4的所有数据） #

实现方案 #

方案1：分步骤筛选（可读性高） #

1. 先统计每个分组的独立个体数量，生成统计表

group_ind_count <- aggregate(individualID ~ group, df1, function(x) length(unique(x)))

2. 筛选出符合要求（独立个体数>1）的分组编号

target_groups <- group_ind_count$group[group_ind_count$individualID > 1]

3. 从原数据中提取对应分组的所有行

result <- df1[df1$group %in% target_groups, ]

方案2：单行实现（用ave函数，代码更简洁） #

直接通过ave函数为每行生成分组对应的独立个体数，用逻辑条件直接筛选：

result <- df1[ave(df1$individualID, df1$group, FUN = function(x) length(unique(x))) > 1, ]

输出验证 #

两种方案得到的结果一致，均仅保留分组1和3的全部8条数据：

> result
   group individualID X
1      1            1 0
2      1            1 1
3      1            2 1
4      1            2 1
7      3            5 1
8      3            5 1
9      3            6 1
10     3            6 1

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