如何以另一个子集为条件创建数据集子集？

嘿，我懂你想要基于已有数据集的某个子集来生成新子集的需求啦！先把你生成示例数据的代码规整下：

# 生成示例数据框：10个受试对象，每个对应10条观测
ID <- rep(1:10, each = 10)
x <- rnorm(100)
y <- rnorm(100)
df <- data.frame(ID, x, y)

下面针对不同的条件筛选场景，给你几种实用的方法：

如果你已经明确要保留哪些受试对象（比如ID为1、3、5的所有观测），可以这么做：

Base R 写法 #

# 定义目标ID集合
target_ids <- c(1, 3, 5)
# 筛选出这些ID对应的所有行
new_df <- df[df$ID %in% target_ids, ]

Tidyverse (dplyr) 写法（更直观易读） #

如果你习惯用tidyverse工具包，代码会更简洁：

library(dplyr)

target_ids <- c(1, 3, 5)
new_df <- df %>%
  filter(ID %in% target_ids)

如果需要按每个受试对象单独判断条件（比如保留每个ID中x值大于0的观测），可以结合分组操作：

Tidyverse 写法 #

library(dplyr)

# 按ID分组，只保留每组中x>0的观测
new_df <- df %>%
  group_by(ID) %>%
  filter(x > 0) %>%
  ungroup()  # 记得取消分组，避免后续操作出错

Base R 写法 #

# 用ave函数按ID分组判断x>0的条件，再筛选
new_df <- df[ave(df$x, df$ID, FUN = function(val) val > 0) == TRUE, ]

假设你已经有一个子集（比如subset_df，包含部分ID的部分观测），想要提取原数据中对应这些ID的所有观测，可以这么做：

library(dplyr)

# 先假设你有一个现有子集（比如筛选y<0的行）
subset_df <- df %>% filter(y < 0)

# 提取subset_df中所有ID对应的原数据的全部观测
new_df <- df %>%
  filter(ID %in% unique(subset_df$ID))

如果你的需求是更复杂的条件（比如基于另一子集的变量值匹配），可以补充具体规则，我再帮你调整方法~

内容的提问来源于stack exchange，提问作者user9629272