R语言【dplyr】——filter保留符合筛选条件的行，以数据的行为单位，创建子集

Package dplyr version 1.1.4

---

Parameters

filter(.data, ..., .by = NULL, .preverse = FALSE)

参数【.data】：一个数据集（data frame），数据集扩展（比如：tibble），或者 lazy data frames（比如：来自 dbplyr 或 dtplyr）。

参数【...】：数据过滤表达式（data-masking expression），返回的是逻辑值，根据参数【.data】中的变量进行定义。如果包含多个表达式，则使用 & 运算符合并。只保留所有条件判断均为 TRUE 的记录。

参数【.by】：可选的，仅用于此操作的列分组选择，可替代 group_by()。

参数【.preserve】：与参数【.data】分组时相关。如果 .preserve = FALSE（默认值），分组结构将根据生成的数据重新计算，否则分组结构将保持不变。

---

Tips

filter() 函数用于创建参数【.data】的子集行，将参数【...】中的表达式应用于列值，以确定应保留哪些行。它既可应用于分组数据，也可应用于未分组数据。然而，dplyr 还不够智能，无法优化不需要分组计算的分组数据集的过滤操作。因此，过滤未分组数据的速度通常要快得多。

---

Value

filter() 函数返回一个与参数【.data】相同类型的对象。输出结果具有以下属性：

• 行是输入的子集，但以相同的顺序出现。
• 列未作修改。
• 组的数量可能会减少（如果参数【.preserve】不是 TRUE）。
• 数据集属性保留不变。

---

Available filter

在构建用于过滤数据的表达式时，有许多函数和运算符非常有用：

• ==，>，>= 等等
• &，|，！，xor()
• is.na()
• between()，near()

---

Process groups

由于过滤表达式是在组内计算的，因此在分组的 tibbles 上可能会产生不同的结果。只要涉及聚合、滞后或排序功能，就会出现这种情况。

比较一下未分组的过滤：

starwars %>% filter(mass > mean(mass, na.rm = TRUE))

再理解一下分组的过滤：

starwars %>% group_by(gender) %>% filter(mass > mean(mass, na.rm = TRUE))

在未分组版本中，filter() 将每一行的 mass 值与全局平均值（整个数据集的平均值）进行比较，只保留 mass 大于全局平均值的行。与此相反，分组版本会分别计算每个 gender 组的平均 mass ​​​​​​​，并保留 mass 大于相关性别内平均值的行。