¿Cómo combinar varias condiciones para subconjunto de un marco de datos usando "O"?

Question

Tengo un data.frame en R. Quiero probar dos condiciones diferentes en dos columnas diferentes, pero quiero que estas condiciones sean inclusivas. Por lo tanto, me gustaría usar "O" para combinar las condiciones. He utilizado la siguiente sintaxis con mucho éxito cuando quería usar la condición "Y".

my.data.frame <- data[(data$V1 > 2) & (data$V2 < 4), ] 

Pero no sé cómo utilizar un 'OR' en el cuadro anterior.

Answer 1

my.data.frame <- subset(data , V1 > 2 | V2 < 4) 

Una solución alternativa que imita el comportamiento de esta función y sería más apropiada para su inclusión dentro de un cuerpo de la función:

new.data <- data[ which(data$V1 > 2 | data$V2 < 4) , ] 

Algunas personas critican el uso de which que no necesario, pero evita que los valores NA arrojen resultados no deseados. El equivalente (.ie no regresaba NA-filas para cualquier de NA en V1 o V2) de las dos opciones se demostró anteriormente sin la which sería:

new.data <- data[ !is.na(data$V1 | data$V2) & (data$V1 > 2 | data$V2 < 4) , ] 

Nota: Quiero dar las gracias al colaborador anónimo que intentó solucionar el error en el código inmediatamente anterior, una solución que fue rechazada por los moderadores. Hubo un error adicional que noté cuando estaba corrigiendo el primero. La cláusula condicional que comprueba los valores de NA debe ser primero si ha de ser manejado como era mi intención, ya que ...

> NA & 1 
[1] NA 
> 0 & NA 
[1] FALSE 

Orden de argumentos puede importar cuando el uso de '&".

Answer 2

Usted está buscando "|." Ver http://cran.r-project.org/doc/manuals/R-intro.html#Logical-vectors

my.data.frame <- data[(data$V1 > 2) | (data$V2 < 4), ] 

Answer 3

Sólo por a mayor abundamiento, podemos utilizar los operadores [ y [[:

set.seed(1) 
df <- data.frame(v1 = runif(10), v2 = letters[1:10]) 

Varias opciones

df[df[1] < 0.5 | df[2] == "g", ] 
df[df[[1]] < 0.5 | df[[2]] == "g", ] 
df[df["v1"] < 0.5 | df["v2"] == "g", ] 

df $ nombre es equivalent to df [[ "nombre", exacta = FALSO]]

Usando dplyr:

library(dplyr) 
filter(df, v1 < 0.5 | v2 == "g") 

Usando sqldf:

library(sqldf) 
sqldf('SELECT * 
     FROM df 
     WHERE v1 < 0.5 OR v2 = "g"') 

salida de las opciones anteriores :

  v1 v2 
1 0.26550866 a 
2 0.37212390 b 
3 0.20168193 e 
4 0.94467527 g 
5 0.06178627 j