目录

R语言第二章数据处理①选择列

R语言第二章数据处理②选择行

================================================

正文

这篇博客主要介绍学习以下R函数：

slice（）：按位置提取行
filter（）：提取符合特定逻辑条件的行。 例如，iris％>％filter（Sepal.Length> 6）。
filter_all（），filter_if（）和filter_at（）：过滤变量然后选择行。 这些函数复制所有变量或变量选择的逻辑标准。
sample_n（）：随机选择n行
sample_frac（）：随机选择一小部分行
top_n（）：选择变量排序的前n行

R语言常用的逻辑符号

<：少于
>：大于
<=：小于或等于
>=：大于或等于
==：相等
！=：不相等
％in％：在之内。 例如，“a in％c（2,3）”表示a可能等于2或3。
is.na（）：是NA
！is.na（）：不是NA。
 value == 2 | 3：表示值等于2或3。与value％c（2,3）相同
＆：和。 例如，性别==“女性”&年龄> 25岁

根据属性值选择行

# 选择Sepal.Length > 7的行
my_data %>% filter(Sepal.Length > 7)
#选择Sepal.Length > 6.7, Sepal.Width <= 3的行
my_data %>% filter(Sepal.Length > 6.7, Sepal.Width <= 3)
#选择Sepal.Length > 6.7, Species == "versicolor"的行
my_data %>% filter(Sepal.Length > 6.7, Species == "versicolor")
#选择 Sepal.Length > 6.7,且Species == "versicolor"或者 Species == "virginica"的行

my_data %>% filter(
  Sepal.Length > 6.7, 
  Species == "versicolor" | Species == "virginica"
  )
#选择 Sepal.Length > 6.7,且Species == "versicolor"或者 Species == "virginica"的行
my_data %>% filter(
  Sepal.Length > 6.7, 
  Species %in% c("versicolor", "virginica" )
  )

过滤变量后选择行

通过删除分组列“Species”，从my_data创建一个新的演示数据集：

#去掉Species列
my_data2 <- my_data %>% select(-Species)
#选择所有属性大于2的行
my_data2 %>% filter_all(all_vars(.> 2))
#选择任何一个属性大于2的行
my_data2 %>% filter_all(any_vars(.> 2))
#选择以sep开头的属性任一大于2的行
my_data2 %>% filter_at(vars(starts_with("Sep")), any_vars(. > 2))

根据缺失值筛选行

friends_data <- data_frame(
  name = c("A", "B", "C"),
  age = c(27, 25, 29),
  height = c(180, NA, NA),
  married = c("yes", "yes", "no")
)

#选择height属性是NA的行
friends_data %>% filter(is.na(height))
#选择height属性非NA的行
friends_data %>% filter(!is.na(height))

从数据框中选择随机行

可以使用函数sample_n（）选择n个随机行，也可以使用sample_frac（）选择行的随机分数。 我们首先使用函数set.seed（）来启动随机数生成器引擎。 这对于用户重现分析非常重要。

set.seed(1234)
#无放回的随机取五行
my_data %>% sample_n(5, replace = FALSE)
#无放回的随机取5%行
my_data %>% sample_frac(0.05, replace = FALSE)
#根据Sepal.Length值取最大的五行
my_data %>% top_n(5, Sepal.Length)
#根据Species分组，然后以Sepal.Length值取最高的五行
my_data %>% 
  group_by(Species) %>%
  top_n(5, Sepal.Length)

总结：

按逻辑条件筛选行：my_data％>％filter（Sepal.Length> 7）
选择n个随机行：my_data％>％sample_n（10）
选择行的随机分数：my_data％>％sample_frac（10）
按值选择前n行：my_data％>％top_n（10，Sepal.Length）