我有一个data.frame df格式“长”。
df <- data.frame(site = rep(c("A","B","C"), 1, 7),
time = c(11,11,11,22,22,22,33),
value = ceiling(rnorm(7)*10))
df <- df[order(df$site), ]
df
site time value
1 A 11 12
2 A 22 -24
3 A 33 -30
4 B 11 3
5 B 22 16
6 C 11 3
7 C 22 9
题
如何去除行，其中的一个独特的元素df$time不存在为每个级别的df$site ？
在这种情况下我想删除df[3,] ，因为对于df$time的时间戳33只存在于站点A，而不是为了站点B和C.现场
所需的输出：
df.trimmed
site time value
1 A 11 12
2 A 22 -24
4 B 11 3
5 B 22 16
6 C 11 3
7 C 22 9
该data.frame具有容易800K行和200K唯一时间戳。 我不想使用循环，但我不知道如何使用矢量化功能，如apply()或lapply()这种情况。
下面是一个使用另一种可能的解决方案data.table包：
unTime <- unique(df$time)
library(data.table)
DT <- data.table(df, key = "site")
(notInAll <- unique(DT[, list(ans = which(!unTime %in% time)), by = key(DT)]$ans))
# [1] 3
DT[time %in% unTime[-notInAll]]
# site time value
# [1,] A 11 3
# [2,] A 22 11
# [3,] B 11 -6
# [4,] B 22 -2
# [5,] C 11 -19
# [6,] C 22 -14
马太福音编辑
尼斯。 或者稍微更直接的方式：
DT = as.data.table(df)
tt = DT[,length(unique(site)),by=time]
tt
time V1
1: 11 3
2: 22 3
3: 33 1
tt = tt[V1==max(V1)] # See * below
tt
time V1
1: 11 3
2: 22 3
DT[time %in% tt$time]
site time value
1: A 11 7
2: A 22 -2
3: B 11 8
4: B 22 -10
5: C 11 3
6: C 22 1
如果没有时间存在于所有的部位，当最终的结果应该是空的（如本在评论中指出），标志着步*以上的可能是：
tt = tt[V1==length(unique(DT$site))]
将rle为您工作？
df <- df[order(df$time), ]
df <- subset(df, time != rle(df$time)$value[rle(df$time)$lengths == 1])
df <- df[order(df$site), ]
df
## site time value
## 1 A 11 17
## 4 A 22 -3
## 2 B 11 8
## 5 B 22 5
## 3 C 11 0
## 6 C 22 13
再看着你的数据，似乎这种解决方案可能是您的需求太简单不过....
更新
这里有一个方法，它应该比更好的rle的解决方案，我把上面。 而不是寻找的“1”的游程，将删除不匹配的结果一定条件的行table(df$site, df$time) 。 为了说明这一点，我还添加了一些假数据。
df <- data.frame(site = rep(c("A","B","C"), 1, 7),
time = c(11,11,11,22,22,22,33),
value = ceiling(rnorm(7)*10))
df2 <- data.frame(site = rep(c("A","B","C"), 1, 7),
time = c(14,14,15,15,16,16,16),
value = ceiling(rnorm(7)*10))
df <- rbind(df, df2)
df <- df[order(df$site), ]
temp <- as.numeric(names(which(colSums(with(df, table(site, time)))
>= length(levels(df$site)))))
df2 <- merge(df, data.frame(temp), by.x = "time", by.y = "temp")
df2 <- df2[order(df2$site), ]
df2
## time site value
## 3 11 A -2
## 4 16 A -2
## 7 22 A 2
## 1 11 B -16
## 5 16 B 3
## 8 22 B -6
## 2 11 C 8
## 6 16 C 11
## 9 22 C -10
这里的制表和总结网站/时间组合的结果：
colSums(with(df, table(site, time)))
## 11 14 15 16 22 33
## 3 2 2 3 3 1
因此，如果我们有兴趣，包括网站，至少两个站点有时间戳，我们可以改变线路>= length(levels(df$site))在这个例子中，3） >= length(levels(df$site))-1 （显然，2）。
不知道这个解决方案是对你有用可言，但我想我会分享它显示在解决方案的灵活性，我们有R.
