R语言如何按列位置而非列名对数据集进行dplyr多条件筛选

原有写法错误原因 #

你第一种写法中filter(retag, c(4:50) != 8 & c(90:110) == 8)是直接对4_50、90110的整数序列做判断，和数据集列完全无关，自然无法得到正确结果。第二种rowSums的思路是可行的，只需要补充多条件的逻辑组合即可。

实现方案 #

方法1：dplyr方案（常规场景推荐） #

使用dplyr 1.0.0及以上版本支持的if_all/if_any函数，cols参数直接传入列位置向量即可实现按位置筛选：

• if_all：匹配指定列全部满足条件的行
• if_any：匹配指定列至少有一列满足条件的行

示例代码（匹配需求：第4_{50列所有值不等于8，且第90}110列所有值等于8）：

library(dplyr)
y <- retag %>%
  filter(
    if_all(cols = 4:50, ~.x != 8),
    if_all(cols = 90:110, ~.x == 8)
  )

如果需要改为“第4_{50列至少有一个值不等于8，且第90}110列至少有一个值等于8”，把if_all替换为if_any即可。

方法2：base R rowSums方案 #

通过多条件组合扩展你原有rowSums的写法即可实现需求：

全部列满足条件的场景

# 条件1：4~50列所有值都不等于8（等于8的列数为0）
cond1 <- rowSums(retag[,4:50] == 8) == 0
# 条件2：90~110列所有值都等于8（不等于8的列数为0）
cond2 <- rowSums(retag[,90:110] != 8) == 0
y <- retag[cond1 & cond2, ]

至少一列满足条件的场景

# 条件1：4~50列至少有1个值不等于8
cond1 <- rowSums(retag[,4:50] != 8) >= 1
# 条件2：90~110列至少有1个值等于8
cond2 <- rowSums(retag[,90:110] == 8) >= 1
y <- retag[cond1 & cond2, ]

方法3：超大数据集优化方案 #

如果数据集行数超过100万，推荐用data.table包实现，运算效率远高于dplyr和base R：

library(data.table)
# 转换为data.table格式
setDT(retag)
# 对应全部列满足条件的筛选逻辑
y <- retag[rowSums(.SD[,4:50] == 8) == 0 & rowSums(.SD[,90:110] != 8) == 0]

内容的提问来源于stack exchange，提问作者fhaney