我们是否有任何功能可以在 R 或 Python 中过滤数据

Question

我是 R 的新手，我无法弄清楚如何根据需要过滤数据下面是数据（326 行和 6 列）数据集这是一个小例子：Author,Commenid,Parentid,Submissionid Score StanceUser1 ,  333c ,    222b ,   111b     , 10 ,  Positive      User2 ,  444c ,    333c ,    5hdc    , 15 ,  NeutralUser3 ,  222b ,    555d ,    23er    , 20 ,  NegativeUser4 ,  555d ,    666f ,    111b    , 11 ,  Positive这里user1的意思是，他已经回复了user2 user3 had replied to user1   user4 had replied to user3我想过滤为具有相同 commentid 和 parentid 的用户，对于上面的示例，我们将过滤为数据Author     Score   Stance         Reply    Score  StanceUser2      15      Neutral          User1      10    Positive User1      10      Positive         User3      20    Negative User3      20     Negative         User4      11    Positive我尝试了很多但我无法弄清楚，任何人都可以帮助我如何准确地做到这一点（R 或 Python）。

Answer 1

这是一个基本的 R 答案。

第一match列Commenid与Parentid. 创建一个数据集，其中Author列和Reply作者的列之前匹配。保留所有没有NA值的行，并将 ( merge) 与原始数据连接起来以获得其他列。

i <- with(df1, match(Commenid, Parentid))

res <- data.frame(Author = df1$Author, Reply = df1$Author[i])

res <- res[complete.cases(res), ]  

merge(res, df1)

#  Author Reply Commenid Parentid Submissionid

#1  User1 User2     333c     222b         111b

#2  User3 User1     222b     555d         23er

#3  User4 User3     555d     666f         111b

一种dplyr解决方案可能是

library(dplyr)

df1 %>%

  mutate(i = match(Commenid, Parentid),

         Reply = Author[i]) %>%

  filter(!is.na(i)) %>%

  select(Author, Reply, everything(vars = -i))

数据

df1 <- read.csv(text = "

Author,Commenid,Parentid,Submissionid  

User1 ,  333c ,    222b ,   111b            

User2 ,  444c ,    333c ,    5hdc   

User3 ,  222b ,    555d ,    23er   

User4 ,  555d ,    666f ,    111b                

")

df1[] <- lapply(df1, trimws)

编辑

有了评论中描述的新数据和问题，这里有一个dplyr解决方案。在与上面基本相同之后，它将结果与原始数据集连接起来并对列重新排序。

library(dplyr)

df2 %>%

  mutate(i = match(Commenid, Parentid),

         Reply = Author[i]) %>%

  filter(!is.na(i)) %>%

  select(-i) %>%

  select(Author, Score, Stance, Reply, everything()) %>%

  left_join(df2 %>% select(Author, Score, Stance), by = c("Reply" = "Author")) %>%

  select(-matches("id$"), everything(), matches("id$"))

新数据

df2 <- read.csv(text = "

Author,Commenid,Parentid,Submissionid, Score, Stance

User1 ,  333c ,    222b ,   111b     , 10 ,  Positive      

User2 ,  444c ,    333c ,    5hdc    , 15 ,  Neutral

User3 ,  222b ,    555d ,    23er    , 20 ,  Negative

User4 ,  555d ,    666f ,    111b    , 11 ,  Positive

")

names(df1) <- trimws(names(df1))

df1[] <- lapply(df1, trimws)

Answer 2

您可以将每个用户与其他用户进行比较，如果commentid相等parentid则您可以打印它，下面是您如何在 Python 中执行此操作：

for u1 in dataset :

    for u2 in dataset :

        if u1['parentid'] == u2['commentid'] :

           print( u1['Author'],' had comment of ',u2['Author'] )