r-获取同一轮中值差小于20%的两行或多行

Question

假设我有这样的数据：

# Data frame
df <- data.frame(round = factor(c(rep(1,4),rep(2,3),rep(3,4),rep(4,2))),
value = c(100,150,200,250,200,160,900,500,600,900,1200,100,120),
SE = c(1.3,1.5,0.7,2,1,2,1,1,1,0.5,0.75,20,3))
df
round value    SE
1      1   100  1.30
2      1   150  1.50
3      1   200  0.70
4      1   250  2.00
5      2   200  1.00
6      2   160  2.00
7      2   900  1.00
8      3   500  1.00
9      3   600  1.00
10     3   900  0.50
11     3  1200  0.75
12     4   100 20.00
13     4   120  3.00

1. 我想在同一轮中获得值差小于20%的2行或更多行(例如在第1轮中：所有行都将被排除，第2轮中：值=900的行将被排除；在第3轮中：将值=900和1200的行排除(

到目前为止我尝试过的是：

library(dplyr)
df %>%
group_by(Round) %>%
mutate(medians = median(value),
deviation = abs(value - medians) * 100 / medians) %>%
mutate(rowcounts = n()) %>%
mutate(passORfailed = ifelse(
rowcounts == 2,
ifelse((max(value) - min(value)) * 100 / max(value) > 20, "failed", "pass"),
ifelse(deviation > 20, "failed", "pass"))) %>%
filter(passORfailed != "failed") %>%
filter(sum(rowcounts) != 1) 

结果：

# A tibble: 8 x 7
# Groups:   round [4]
round value    SE medians deviation rowcounts passORfailed
<fct> <dbl> <dbl>   <dbl>     <dbl>     <int> <chr>       
1 1       150   1.5     175     14.3          4 pass  # -> not right     
2 1       200   0.7     175     14.3          4 pass  # -> not right       
3 2       200   1       200      0            3 pass  # -> ok      
4 2       160   2       200     20            3 pass  # -> ok      
5 3       600   1       750     20            4 pass  # -> not right (500 was excluded)       
6 3       900   0.5     750     20            4 pass  # -> not right       
7 4       100  20       110      9.09         2 pass  # -> ok      
8 4       120   3       110      9.09         2 pass  # -> ok 

正如您所看到的，当行计数为偶数并且>3、事情变得疯狂。问题是，当我使用中位数时，为标准计算的实际值是一半(由于两个中心值之间的平均值(。是否有任何方法可以调整代码，使其在所有情况下都成为可能？

2. 如果可能，我如何调整代码以在值+-SE的范围内计算此数据

如果问题不清楚，我道歉，但我已经尽力解释了。问候

Answer 1

这里有一种方法，我们在一轮中生成每一个可能的对，然后只过滤彼此相差20%以内的行。它的逻辑与您的略有不同，因此匹配次数较少，但如果您使用不同的阈值，如+/-35%，而不是+/-20%，则作为一种替代方法可能会很有用。

df <- df %>% mutate(row = row_number()) 
df %>% 
left_join(df, by = "round") %>%
mutate(ratio = value.x / value.y) %>%
filter(row.x != row.y,
ratio %>% between(1/1.2, 1.2))

---

这里有一个变体，用于解决问题的第二部分。我计算每一个的值+/-SE，并找到每一轮中重叠的行对。

df <- df %>% 
mutate(row = row_number()) %>%
mutate(low = value - SE,
high = value + SE)
df %>% 
left_join(df, by = "round") %>%
filter(row.x != row.y,
(high.x >= low.y & high.x <= high.y) | (low.x >= low.y & low.x <= high.y))

round value.x SE.x row.x low.x high.x value.y SE.y row.y low.y high.y
1     4     100   20    12    80    120     120    3    13   117    123
2     4     120    3    13   117    123     100   20    12    80    120