1.2 使用filter()筛选行
filter()函数可以根据观测的值筛选出一个观测子集。该函数的第一个参数是数据框的名称 ,第二个参数是筛选的条件。例如我们可以用以下代码筛选出年份为1999年的所有汽车:
library(tidyverse)
mpg
filter(mpg,year==1999)
如果运行这行代码,dplyr就会执行筛选操作,并返回一个新的数据框。要想保存函数结果需要使用赋值操作符 <-
year_1999 <- filter(mpg, y==1999)
R要么输出结果要么将结果保存在一个变量中,因此如果想要同时完成这两种操作,可以用括号将赋值语句括起来:
(year_1999 <- filter(mpg, y==1999))
1.2.1 比较运算符
标准的比较运算符:>、>=、<、<=、!=(不等于)和 ==(等于)
在使用==进行比较时,可能会遇到浮点数的问题:
> sqrt(2)^2 == 2
[1] FALSE
> 1/49*49==1
[1] FALSE
这是因为计算机使用的是有限精度运算(因为没办法储存无限位数据),因此看到的每个数都是一个近似值。比较浮点数是否相等时,不能用==,而应该使用near():
> near(sqrt(2)^2,2)
[1] TRUE
> near(1/49*49,1)
[1] TRUE
1.2.2 逻辑运算符
filter()中的多个参数是由“与”组合起来的:每个表达式都必须为真才能让一行观测值包含在输出中。需要使用布尔运算符:
&:与
|:或
!:非
用以下代码可以找出1999年和2008年的汽车:
filter(mpg,year==1999|year==2008)
也可以用简写形式:
filter(mpg,year %in% c(1999,2008))
1.2.3 缺失值
缺失值也称为NA,表示未知的值,如果运算中包含了未知值,那么运算结果一般也是个未知值。想要确定一个值是否缺失值,可以用is.na()函数 。
filter()函数只能筛选出条件为TRUE的行,会排除条件为FALSE和NA的行,如果想保留缺失值,可以明确指出:
df <- tibble(x=c(1,NA,3))
filter(df,is.na(x)|x>1)
# A tibble: 2 × 1
x
<dbl>
1 NA
2 3