几种方法过滤R语言数据框

数据过滤是清洗过程的基本操作之一。R有很多方式可以实现，本文介绍几种常用方法，包括基本的数据框访问方式以及 dplyr包的强大功能。

1. 示例数据

data <- data.frame(var=c(2,4,6,8,10,12,14,16))

我们定义了示例数据，假设我们需要返回大于10的数据。

2. 过滤数据

2.1 通过行、列方式

> data[data[,"var"]>10,]
[1] 12 14 16

因为数据框有行和列组成，data[,"var"] 表示所有行，列为var ；data[,"var"]>10 整体表示符合变量 var大于 10 的行，后面空格所有列。我们只有一列，也可以写成 ： data[data[,"var"]>10,"var"] 。

2.2 通过变量方式

> data[data$var>10,]
[1] 12 14 16

data$var>10 直接变量访问数据库列数据，整体表示这列数据大于的所有行，后面的逗号表示所有列。

2.3 通过subset方式

> subset(data,var>10)
  var
6  12
7  14
8  16

2.4 使用 dplyr 包

> library(dplyr)

载入程辑包：‘dplyr’

> filter(data,var>10)
  var
1  12
2  14
3  16

保存结果：

library(dplyr)
df <- filter(mtcars, mpg > 25)

3. dplyr 过滤语法及示例

3.1 dplyr 条件运算符

filter函数主要包括两个参数，第一个为要操作的数据框，第二个为条件，返回true 和 false。

关系运算主要包括：

• == (Equal to)
• != (Not equal to)
• < (Less than)
• <= (Less than or equal to)
• > (Greater than)
• >= (Greater than or equal to)

逻辑运算：

• ! (logical NOT)
• & (logical AND)
• | (logical OR)

另外还有两个常用操作：

• %in% (检查值是否再多值的数组中)
• is.na() (检查值是否为 NA)

3.2 示例代码

install.packages('ggplot2')
library('ggplot2')
diamonds
# 数值类型过滤
filter(diamonds, price > 2000)
# 字符串类型过滤
filter(diamonds, cut != 'Ideal')
# 多个数值类型条件
filter(diamonds, price >= 1000 & price <= 1500)、
# 过滤类型变量
filter(diamonds, cut %in% c('Ideal', 'Premium'))
# 也可以先定义向量变量
cuts_to_include <- c('Good', 'Very Good', 'Ideal', 'Premium')
filter(diamonds, cut %in% cuts_to_include)

多条件组合示例：

# 链接多个条件
filter(diamonds, cut == 'Ideal' & carat > 1)
filter(diamonds, cut == 'Ideal' & carat > 1 & color == 'E')
filter(diamonds, cut == 'Ideal' | carat > 1)

4. 总结

本文介绍了4中方式过滤数据框数据，其中 dplyr 的fliter功能非常强大。