Supprimer des lignes avec des niveaux incomplets qui ne sont pas NA

Question

J'ai examiné des solutions possibles pendant un certain temps dans StackOverflow, mais je dois demander de l'aide sur celui-ci.

J'ai une trame de données avec la structure suivante:

df <- data.frame(A = c("A", "A", "A", "A", "B", "B", "C", "C", "C", "C", "D"), 
      B = c("F1", "F2", "F3", "F4", "F2", "F3", "F1", "F2", "F3", "F4", 
      "F4")) 

Je voudrais filtrer pour ne conserver que les lignes avec des niveaux complets, comme ci-dessous:

df_new <- data.frame(A = c("A", "A", "A", "A", "C", "C", "C", "C"), 
       B = c("F1", "F2", "F3", "F4", "F1", "F2", "F3", "F4")) 

S'il vous plaît noter que le filtrage de Col1 est soumis à la condition que Col2 doit avoir tous les niveaux lvls <- c("F1", "F2", "F3", "F4"), donc en utilisant dplyr::filter ou subset est difficile. Il s'agit d'un jeu de données long (et dynamique), donc je ne voudrais pas le faire manuellement. Merci d'avance pour votre aimable attention.

Answer 1

Que diriez-vous l'une de ces:

library(tidyverse) 

df %>% group_by(A) %>% 
    filter(length(unique(B)) == length(levels(B))) 

df %>% group_by(A) %>% 
    filter(n_distinct(B) == length(levels(B))) 

 A  B 
    <fctr> <fctr> 
1  A  F1 
2  A  F2 
3  A  F3 
4  A  F4 
5  C  F1 
6  C  F2 
7  C  F3 
8  C  F4 

Ou, si vous avez besoin de vous soucier de valeurs manquantes:

df %>% group_by(A) %>% 
    filter(length(unique(B[!is.na(B)])) == length(levels(B))) 

df %>% group_by(A) %>% 
    filter(n_distinct(B, na.rm=TRUE) == length(levels(B))) 

Answer 2

Voici une option avec data.table

library(data.table) 
setDT(df)[, .SD[nlevels(droplevels(B))==max(nlevels(B))], A] 
# A B 
#1: A F1 
#2: A F2 
#3: A F3 
#4: A F4 
#5: C F1 
#6: C F2 
#7: C F3 
#8: C F4