如何在R语言中筛选仅含Eois相关值的x子集

问题描述 #

我有如下R语言数据集：

df <- data.frame(
  x = c("A","A","A","A", "B","B","B","B","B", 
        "C","C","C","C","C","D","D","D","D","D"),  
  y = as.factor(c(rep("Eoissp2",4), rep("Eoissp1",5), "Eoissp1","Eoisp4","Automerissp1","Automerissp2","Acharias", rep("Eoissp2",3), rep("Eoissp1",2)))
)

我需要针对x的每个子集，识别出对应的y中所有水平都包含"Eois"字符串的x值。其中A、B、D应该被返回（它们的y所有取值都包含Eois），而C包含其他类型的取值，不符合要求。期望输出是：

output <- c("A", "B", "D")

解决方案 #

方法1：用dplyr（tidyverse）实现

如果你习惯使用tidyverse生态的工具，这种方法逻辑清晰，可读性强：

library(dplyr)

output <- df %>%
  group_by(x) %>%
  # 过滤出所有y值都包含"Eois"的分组
  filter(all(grepl("Eois", y))) %>%
  # 提取唯一的x值
  distinct(x) %>%
  pull(x)

# 查看结果
output
#> [1] "A" "B" "D"

代码说明：

• group_by(x)：按x的每个类别进行分组
• all(grepl("Eois", y))：grepl("Eois", y)会为每个y值生成一个逻辑值（是否包含"Eois"），all()则验证该分组下的所有逻辑值是否都是TRUE——也就是该分组的所有y都符合条件
• distinct(x) %>% pull(x)：提取分组后的唯一x值，得到最终结果

方法2：用Base R实现（无需额外包）

如果不想加载第三方包，用Base R的tapply函数也能快速解决：

# 按x分组，检查每个分组的所有y是否都包含"Eois"
valid_x <- tapply(df$y, df$x, function(y_vals) {
  all(grepl("Eois", y_vals))
})

# 筛选出结果为TRUE的x名称
output <- names(valid_x[valid_x])

# 查看结果
output
#> [1] "A" "B" "D"

代码说明：

• tapply(df$y, df$x, function(...))：将y列按x的类别分组，对每个分组执行自定义检查
• 自定义函数里的all(grepl("Eois", y_vals))负责验证该分组的所有y值是否都包含"Eois"
• 最后从valid_x中筛选出值为TRUE的元素名称，就是我们需要的x值

内容的提问来源于stack exchange，提问作者Danielle