我们在进行数据处理的时候经常需要经常需要对数据进行筛选，在dplyr我们可以使用filter()来进行数据的筛选
基本的使用
library(tidyverse)
data("msleep")
对于数字变量的筛选
对于数字变量，我们在筛选的时候可以通过可以都过布尔符来进行筛选。其中包括:
>, <, >=, <=, ==, !=
msleep %>%
select(name, sleep_total) %>%
filter(sleep_total > 18)
## # A tibble: 4 x 2
## name sleep_total
## <chr> <dbl>
## 1 Big brown bat 19.7
## 2 Thick-tailed opposum 19.4
## 3 Little brown bat 19.9
## 4 Giant armadillo 18.1
在进行筛选的时候，我们经常需要筛选某一个范围内的数据，这个时候我们可以通过filter()多次制定，同时呢，也是可以通过between()函数来在函数内一起制定的
### 筛选16-18之间的数值
msleep %>%
select(name, sleep_total) %>%
filter(between(sleep_total, 16, 18))
## # A tibble: 4 x 2
## name sleep_total
## <chr> <dbl>
## 1 Owl monkey 17
## 2 Long-nosed armadillo 17.4
## 3 North American Opossum 18
## 4 Arctic ground squirrel 16.6
在进行数字筛选的时候，还有一个函数经常用到这个就是near()。这个函数可以让我们筛选接近某一个数值的数字，我们可以通过tol参数来选择距离指定值多远的范围。
### 选择具体17±sd的数值
msleep %>%
select(name, sleep_total) %>%
filter(near(sleep_total, 17, tol = sd(sleep_total)))
## # A tibble: 26 x 2
## name sleep_total
## <chr> <dbl>
## 1 Owl monkey 17
## 2 Mountain beaver 14.4
## 3 Greater short-tailed shrew 14.9
## 4 Three-toed sloth 14.4
## 5 Long-nosed armadillo 17.4
## 6 North American Opossum 18
## 7 Big brown bat 19.7
## 8 Western american chipmunk 14.9
## 9 Thick-tailed opposum 19.4
## 10 Mongolian gerbil 14.2
## # … with 16 more rows
字符的筛选
单个字符的筛选
对于字符的筛选，和数字有一些相近的地方。我们可以通过==以及!=来选择是某一个或者不是某一个字符。也可以通过>或者<来选择在某一个字符后面或者前面的字符(我们可以把字母表a-z当作1-26来看待)
msleep %>%
select(name) %>% filter(name > "v")
## # A tibble: 3 x 1
## name
## <chr>
## 1 "Vesper mouse"
## 2 "Western american chipmunk"
## 3 "Vole "
多个字符的筛选
如果我们想要筛选多个字符的话，需要使用%in%参数来进行指定。但是如果我们想要反向选择的话，不能使用!%in%要在筛选的前面来加!
remove <- c("Rodentia", "Carnivora", "Primates")
msleep %>%
select(order, name, sleep_total) %>%
filter(!order %in% remove) %>% head
## # A tibble: 6 x 3
## order name sleep_total
## <chr> <chr> <dbl>
## 1 Soricomorpha Greater short-tailed shrew 14.9
## 2 Artiodactyla Cow 4
## 3 Pilosa Three-toed sloth 14.4
## 4 Artiodactyla Roe deer 3
## 5 Artiodactyla Goat 5.3
## 6 Soricomorpha Star-nosed mole 10.3
按照正则表达式来进行筛选
基础的filter()函数是不支持正则表达式的，但是了解其中主要原理就可以自定义了。其实filter()只是把返回每一行一个逻辑值。通过逻辑值来进行选择的。同样的，我们只需要通过str_detect()来进行逻辑值的指定就可以的。
msleep %>%
select(name, sleep_total) %>%
filter(str_detect(tolower(name), pattern = "mouse"))
## # A tibble: 5 x 2
## name sleep_total
## <chr> <dbl>
## 1 Vesper mouse 7
## 2 House mouse 12.5
## 3 Northern grasshopper mouse 14.5
## 4 Deer mouse 11.5
## 5 African striped mouse 8.7
基于多个条件进行筛选
我们在筛选的时候经常按照多个条件来进行筛选的。在filter()当中。则是可以有这么多种选择方式。
-
filter(condition1, condition2): 选择两者都为真的结果 -
filter(condition1, !condition2): 选择1为真，2为假的结果 -
filter(condition1 | condition2): 选择1为真或者2为真的结果 -
filter(xor(condition1, condition2)): 选择两者不同时为真的结果
msleep %>%
select(name, bodywt:brainwt) %>%
filter(xor(bodywt > 100, brainwt > 1))
## # A tibble: 5 x 3
## name bodywt brainwt
## <chr> <dbl> <dbl>
## 1 Cow 600 0.423
## 2 Horse 521 0.655
## 3 Donkey 187 0.419
## 4 Human 62 1.32
## 5 Brazilian tapir 208. 0.169
对于多列的同时筛选
如果要对于多列进行相同的批量操作的话，同样的对于fliter()也存在进阶的函数。这个和muate是一样的。这几个函数分别是filter_all/if/at。需要注意的是，和mutate不同的时候。filter在进行筛选的时候需要用到any_vars()函数以及all_vars()来配合使用
fliter_all
对所有列都进行筛选，返回的结果是基于是any_vars()还是all_vars()来决定的。
msleep %>%
select(name:order, sleep_total, -vore) %>%
filter_all(any_vars(str_detect(., pattern = "Ca"))) %>% head
## # A tibble: 6 x 4
## name genus order sleep_total
## <chr> <chr> <chr> <dbl>
## 1 Cheetah Acinonyx Carnivora 12.1
## 2 Northern fur seal Callorhinus Carnivora 8.7
## 3 Vesper mouse Calomys Rodentia 7
## 4 Dog Canis Carnivora 10.1
## 5 Roe deer Capreolus Artiodactyla 3
## 6 Goat Capri Artiodactyla 5.3
filter_if
对符合条件的列来进行筛选。同样的是基于any_vars()还是all_vars()来返回结果。
msleep %>%
select(name:order, sleep_total:sleep_rem) %>%
filter_if(is.character, any_vars(is.na(.))) %>% head
## # A tibble: 6 x 6
## name genus vore order sleep_total sleep_rem
## <chr> <chr> <chr> <chr> <dbl> <dbl>
## 1 Vesper mouse Calomys <NA> Rodentia 7 NA
## 2 Desert hedgehog Paraechinus <NA> Erinaceomorpha 10.3 2.7
## 3 Deer mouse Peromyscus <NA> Rodentia 11.5 NA
## 4 Phalanger Phalanger <NA> Diprotodontia 13.7 1.8
## 5 Rock hyrax Procavia <NA> Hyracoidea 5.4 0.5
## 6 Mole rat Spalax <NA> Rodentia 10.6 2.4
filter_at
对某一个特定的列进行筛选。
msleep %>%
select(name, sleep_total:sleep_rem, brainwt:bodywt) %>%
filter_at(vars(sleep_total, sleep_rem), all_vars(.>5))
## # A tibble: 2 x 5
## name sleep_total sleep_rem brainwt bodywt
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Thick-tailed opposum 19.4 6.6 NA 0.37
## 2 Giant armadillo 18.1 6.1 0.081 60
网友评论