r语言 not enough x observations_R语言ETL系列：过滤（filter）

作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。

邮箱：huang.tian-yuan@qq.com

前言

本章节介绍如何根据条件对表格进行过滤，主要使用filter函数进行实现。
首先加载需要的包和数据，我们会用到R语言自带的mtcars数据集。首先我们把行的名称转化为一列数据，名为rownams。然后，把数据库转化为tibble格式，存在mtcars1变量中。

1library(tidyverse) 2 3mtcars %>% 4  rownames_to_column() %>% 5  as_tibble() -> mtcars1 6 7mtcars1 8## # A tibble: 32 x 12 9##    rowname   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear10##    <chr>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>11##  1 Mazda ~  21       6  160    110  3.9   2.62  16.5     0     1     412##  2 Mazda ~  21       6  160    110  3.9   2.88  17.0     0     1     413##  3 Datsun~  22.8     4  108     93  3.85  2.32  18.6     1     1     414##  4 Hornet~  21.4     6  258    110  3.08  3.22  19.4     1     0     315##  5 Hornet~  18.7     8  360    175  3.15  3.44  17.0     0     0     316##  6 Valiant  18.1     6  225    105  2.76  3.46  20.2     1     0     317##  7 Duster~  14.3     8  360    245  3.21  3.57  15.8     0     0     318##  8 Merc 2~  24.4     4  147.    62  3.69  3.19  20       1     0     419##  9 Merc 2~  22.8     4  141.    95  3.92  3.15  22.9     1     0     420## 10 Merc 2~  19.2     6  168.   123  3.92  3.44  18.3     1     0     421## # ... with 22 more rows, and 1 more variable: carb <dbl>

条件过滤：filter

实际工作中，经常会需要用到把一定条件的记录调出来的情况。比如，如果我是超市的数据分析师，我需要查看单次消费超过500元的购物清单，就需要用到条件过滤。在我们的例子中，比如我们需要提取cyl为4的记录(cyl代表汽车气缸的数量)，就可以这么操作：

1mtcars1 %>% 2  filter(cyl == 4) 3## # A tibble: 11 x 12 4##    rowname   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear 5##                 6##  1 Datsun~  22.8     4 108      93  3.85  2.32  18.6     1     1     4 7##  2 Merc 2~  24.4     4 147.     62  3.69  3.19  20       1     0     4 8##  3 Merc 2~  22.8     4 141.     95  3.92  3.15  22.9     1     0     4 9##  4 Fiat 1~  32.4     4  78.7    66  4.08  2.2   19.5     1     1     410##  5 Honda ~  30.4     4  75.7    52  4.93  1.62  18.5     1     1     411##  6 Toyota~  33.9     4  71.1    65  4.22  1.84  19.9     1     1     412##  7 Toyota~  21.5     4 120.     97  3.7   2.46  20.0     1     0     313##  8 Fiat X~  27.3     4  79      66  4.08  1.94  18.9     1     1     414##  9 Porsch~  26       4 120.     91  4.43  2.14  16.7     0     1     515## 10 Lotus ~  30.4     4  95.1   113  3.77  1.51  16.9     1     1     516## 11 Volvo ~  21.4     4