在R语言中基于指定列行求和结果筛选DataFrame

嘿，我来帮你搞定这个R数据筛选的问题！先确认下你的数据结构，你给出的这个数据框每个id对应4条观测，想要基于指定列的行求和结果来筛选子集，对吧？下面我给你两种常用的实现方法，你可以根据自己的习惯选：

首先先把你的数据框代码放出来方便复现：

df <- structure( 
  list( 
    id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), 
    time = c(21L, 3L, 4L, 9L, 5L, 9L, 10L, 6L, 27L, 3L, 4L, 10L), 
    gender = c(1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L) 
  ), 
  .Names = c("id", "time", "gender"), 
  class = "data.frame", 
  row.names = c(NA,-12L) 
)

方法1：用dplyr包（代码更直观，推荐） #

如果你还没装dplyr，先安装加载：

# 没装的话先运行这句
# install.packages("dplyr")
library(dplyr)

举个例子，假设你要筛选time列按id求和大于40的所有观测行，代码如下：

filtered_df <- df %>%
  group_by(id) %>%          # 按id分组
  mutate(total_time = sum(time)) %>%  # 给每组加一个time总和的辅助列
  filter(total_time > 40) %>%        # 筛选出总和符合条件的行
  ungroup() %>%            # 取消分组，避免影响后续操作
  select(-total_time)      # 可选：删掉辅助列，不需要的话可以去掉这句

# 查看筛选后的结果
filtered_df

要是你想基于gender列的求和来筛选（比如筛选gender总和为4的id，也就是gender全为1的组），只需要把代码里的time换成gender，调整条件就行：

filtered_gender_df <- df %>%
  group_by(id) %>%
  mutate(total_gender = sum(gender)) %>%
  filter(total_gender == 4) %>%
  ungroup() %>%
  select(-total_gender)

方法2：用Base R（不需要额外装包） #

如果你不想用第三方包，用R自带的函数也能实现：
还是以筛选time总和大于40的id为例：

# 第一步：计算每个id的time总和
id_time_totals <- aggregate(time ~ id, data = df, sum)

# 第二步：提取符合条件的id列表
valid_ids <- id_time_totals$id[id_time_totals$time > 40]

# 第三步：用id列表筛选原数据框
filtered_df_base <- df[df$id %in% valid_ids, ]

# 查看结果
filtered_df_base

同样，换成gender列的话：

id_gender_totals <- aggregate(gender ~ id, data = df, sum)
valid_gender_ids <- id_gender_totals$id[id_gender_totals$gender == 4]
filtered_gender_base <- df[df$id %in% valid_gender_ids, ]

你只需要把代码里的筛选条件（比如>40、==4）改成你实际需要的规则就可以啦！

内容的提问来源于stack exchange，提问作者T Richard