由于其他人都在使用python进行回答,我将提供三种基于R的替代方案:
dat
Course = paste0('C', c(1:5, 1:5, 1:6, 1:4)),
Grade = c('A', 'B', 'A', 'C', 'W', 'B', 'C', 'D', 'A', 'W', 'A',
'A', 'A', 'C', 'B', 'A', 'W', 'F', 'A', 'B'),
stringsAsFactors = FALSE)
Base [操作员
studs
studs
## [1] "A" "B"
dat[dat$Student %in% studs, ]
## Student Course Grade
## 1 A C1 A
## 2 A C2 B
## 3 A C3 A
## 4 A C4 C
## 5 A C5 W
## 6 B C1 B
## 7 B C2 C
## 8 B C3 D
## 9 B C4 A
## 10 B C5 W
基本子集功能
我个人并不使用 subset (和some argue它可能并不总是像你期望的那样),但它干净利落地阅读:
studs
dat[dat$Student %in% studs, ]
## Student Course Grade
## 1 A C1 A
## 2 A C2 B
## 3 A C3 A
## ...
包dplyr
dat %>%
group_by(Student) %>%
do(if (any((.$Course == 'C5') & (.$Grade == 'W'))) . else data.frame())
## Source: local data frame [10 x 3]
## Groups: Student
## Student Course Grade
## 1 A C1 A
## 2 A C2 B
## 3 A C3 A
## ...
使用 dplyr 可能有更有效的方法 . (事实上,我感觉相当蛮力 . )
表现
既然你说"the dataset is rather large,"我会提出第一个( [ )是最快的 . 使用这些数据它的速度大约是其两倍,但是如果数据量大得多,我只能看到20%的差异 . dplyr 并不比基数快,实际上至少慢了一个数量级(有了这个实现,需要注意);许多人争论较大的数据,更容易阅读和维护 .