生信小白菜之关于filter函数的一切

《R Data Science》

使用nycflights13包中的数据示例

library(dplyr)
install.packages("nycflights13")
library(nycflights13)
View(flights) # 注意 View 要大写哦
# View可以另一页打开，方便观察

?flights # 查看帮助文档
# year month day 起飞日期
# dep_time, arr_time 实际起飞、抵达时间
# sched_dep_time, sched_arr_time 预期安排的起飞、抵达时间
# dep_delay, arr_delay 起飞或到达的延误时间
# carrier 航空公司缩写
# flight 航班编号
# tailnum 飞机尾号
# origin, dest 始发地、目的地
# air_time 空中时间
# distance 飞行距离
# hour, minute 以小时和分钟为单位的预定起飞时间

使用filter筛选行

# filter可以依据观测值选出一个子集
# 第一个参数是数据框名称，第二个及随后参数是用来筛选数据框的表达式
filter(flights,month==1,day==30) # 1月30号的所有航班

## 如果想要保存函数结果，就要进行赋值操作  <- 
### R语言要么输出结果，要么将结果保存在一个变量里面
### 如果想同时完成输出结果和赋值，用括号将赋值语句括起来
(df1 <- filter(flights,month==1,day==30))

filter筛选之比较运算符号

# > >= 
# < <= 
# !=（不等于） ==（等于）

# 在使用==时，有一些特殊的例子——浮点数
## 计算机只能进行有限精度运算，对于无限位数字只能取近似值
# 例如 sqrt(2) 对2开平方会得到无限小数的近似值
sqrt(2)^2==2 # FALSE
near(sqrt(2)^2,2) # TRUE

filter筛选之逻辑运算符号

# filter()中多个参数之间默认是“与”的关系
# 即每一个表达式都符合的数据才会出现在结果里面
# & 与
# ！非
# ｜或

# 找出11月或12月出发的所有航班
filter(flights,month==12|month==11)
## 注意！这里不能写成`filter(flights,month==12|11)`
### 这样写的意思是"12|11"为一个逻辑表达式，它的逻辑值为TRUE，即(1)
### 那么实际筛选的是month==1的flight

# 找出11月或12月出发的所有航班，也可以写成
filter(flights,month %in% c(11,12))
## x %in% y 是选取x在y中存在的数值

# 德摩根定律
## !(x & y) 等价于 !x | !y
## !(x | y) 等价于 !x & !y
# 例如：找出延误时间（到达或出发）不多于2小时的航班
filter(flights,!(arr_delay>120|dep_delay>120))
filter(flights,arr_delay<=120,dep_delay<=120)

缺失值

# NA表示未知的值
# NA具有“传染性”，即运算中包含未知值，那么结果也会是未知值
## 例如
NA == NA # NA
## 因为两个未知值之间是否相等，R也不知

# 想要确定一个值是否为缺失值，可以使用
x <- NA
is.na(x) # TRUE

# filter()只能筛选条件为TRUE的行，如果想保留缺失值
df<- tibble(x=c(1,NA,3))
is.na(x) 
filter(df,is.na(x)|x>1)

between()

# between(x, left, right) 
## x	 A vector

between(1:12, 7, 9)
# 返回等长的逻辑

x <- rnorm(1e2)
# 利用TRUE取子集
x[between(x, -1, 1)]

练习题

# 找出满足以下条件的所有航班

## 到达时间延误2小时及以上
filter(flights,arr_delay>=120)
## 飞往IAH或HOU机场
filter(flights,dest %in% c("IAH","HOU"))
## 夏季（7-9月）出发
filter(flights,month %in% c(7:9))
## 到达时间延误超2小时，但出发时间没有延误
filter(flights,arr_delay>120,dep_delay==0)
## 延误至少1小时，但飞行过程弥补回30分钟的航班
filter(flights,dep_delay>=60&(dep_delay-arr_delay>30))
## 出发时间在午夜至早上6点之间（包括0点、6点）
filter(flights,dep_time %in% c(0:2400))
filter(flights,between(dep_time,0,2400))

# dep_time有缺失值的航班有多少
table(is.na(flights$dep_time))
#  FALSE 328521  TRUE 8255 
filter(flights,is.na(dep_time))