数据整理—dplyr包（filter系列）

作者：小橙子

来源：小橙子学数据分析

数据整理/清洗，占据了数据分析80%的时间

dplyr提供了一种方式，可以高效处理数据

dplyr是什么?

官方解释: a grammar of data manipulation

主要介绍dplyr中，几个函数

1filter 系列  #筛选满足条件的样本(cases)
2select 系列  #筛选满足条件的变量
3mutate 系列  #生成新的变量
4summarise 系列 #概括数据集信息
5join 系列  #关联函数，同SQL中的join

在数据处理过程中，经常会遇到这几个函数

filter系列：filter、filter_all、filter_at、filter_if

用法：filter(.data, ...)

备注：filter对group_by之后的数据集无效，并且对ungroup_by的数据集处理起来更快速

1library(tidyverse) #直接加载tidyverse,使用iris、mtcars数据集来演示
2#iris数据集中，筛选Species为“setosa”,并且Sepal.Length大于5的样本
3filter(iris, Species == "setosa" & Sepal.Length >= 5.5) #"&"也可以替换成“,”
4# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
5# 5.8         4.0          1.2         0.2  setosa
6# 5.7         4.4          1.5         0.4  setosa
7# 5.7         3.8          1.7         0.3  setosa
8# 5.5         4.2          1.4         0.2  setosa
9# 5.5         3.5          1.3         0.2  setos

filter支持以下几种判断形式：

1. 关系类型：<、 <= 、 >、 >=、==、!=、is.na()、 !is.na()

2. &、 |、 !、 xor() #针对向量集的操作判断

3. between()、%in%、 near()  #sqrt(2) ^ 2 == 2 返回FALSE，near(sqrt(2) ^ 2, 2)则TRUE

4. all_vars()、any_vars() #出现于filter_all、filter_at、filter_if中，作为判断条件

filter系列，还有几个变异函数：filter_all、filter_at、filter_if

用法：filter_all(.tbl, .vars_predicate)

          filter_at(.tbl, .vars, .vars_predicate)

          filter_if(.tbl, .predicate, .vars_predicate)

1filter_all(mtcars, any_vars(. > 150)) #筛选任何变量＞150的样本
2filter_at(mtcars, vars(starts_with("d")), any_vars((. %% 2) == 0)) 
3#筛选变量以“d”结尾，并且变量 "%%2" 等于0
4filter_if(mtcars, ~ all(floor(.) == .), all_vars(. != 0))
5# 筛选变量向下取整 == 原变量数值, 并且这部分变量的数值！= 0 的样本集

filter总结：

 filter通过“判断条件”筛选cases，“判断条件”则类似于SQL中的“where”语句。

 (select * from table where condition is true)

 filter的欠缺，在于每次都返还全部变量的样本，无法筛选具体的变量。

 如何实现对样本集的变量筛选，请关注下一篇“select ”

——————————————

往期精彩：

• 扎克伯格为提高员工工作效率，亲自做了这 26 张 PPT ，值得收藏
  

• 50张图，带你认识大学各专业
  

• 拓宽自己的技术栈 | 推荐几个其他领域的公众号
  

• R语言中文社区2018年终文章整理（作者篇）

• R语言中文社区2018年终文章整理（类型篇）