作者： 黄天元 ，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。
邮箱：huang.tian-yuan@qq.com
前言
本章节介绍如何根据条件对表格进行过滤，主要使用filter函数进行实现。
首先加载需要的包和数据，我们会用到R语言自带的mtcars数据集。首先我们把行的名称转化为一列数据，名为rownams。然后，把数据库转化为tibble格式，存在mtcars1变量中。
1library(tidyverse) 2 3mtcars %>% 4 rownames_to_column() %>% 5 as_tibble() -> mtcars1 6 7mtcars1 8## # A tibble: 32 x 12 9## rowname mpg cyl disp hp drat wt qsec vs am gear 10## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 11## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 12## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 13## 3 Datsun~ 22.8 4 108 93 3.85 2.32 18.6 1 1 4 14## 4 Hornet~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 15## 5 Hornet~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 16## 6 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 17## 7 Duster~ 14.3 8 360 245 3.21 3.57 15.8 0 0 3 18## 8 Merc 2~ 24.4 4 147. 62 3.69 3.19 20 1 0 4 19## 9 Merc 2~ 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 20## 10 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 21## # ... with 22 more rows, and 1 more variable: carb <dbl>
条件过滤：filter
实际工作中，经常会需要用到把一定条件的记录调出来的情况。比如，如果我是超市的数据分析师，我需要查看单次消费超过500元的购物清单，就需要用到条件过滤。在我们的例子中，比如我们需要提取cyl为4的记录（cyl代表汽车气缸的数量），就可以这么操作：
1mtcars1 %>% 2 filter(cyl == 4) 3## # A tibble: 11 x 12 4## rowname mpg cyl disp hp drat wt qsec vs am gear 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Datsun~ 22.8 4 108 93 3.85 2.32 18.6 1 1 4 7## 2 Merc 2~ 24.4 4 147. 62 3.69 3.19 20 1 0 4 8## 3 Merc 2~ 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 9## 4 Fiat 1~ 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 10## 5 Honda ~ 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 11## 6 Toyota~ 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 12## 7 Toyota~ 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 13## 8 Fiat X~ 27.3 4 79 66 4.08 1.94 18.9 1 1 4 14## 9 Porsch~ 26 4 120. 91 4.43 2.14 16.7 0 1 5 15## 10 Lotus ~ 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 16## 11 Volvo ~ 21.4 4 121 109 4.11 2.78 18.6 1 1 4 17## # ... with 1 more variable: carb <dbl>
结果中我们可以看到，气缸数量为4的记录都被我们调出来了。相关 SQL代码 如下
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (`cyl` = 4.0)
如何定义条件
什么是条件？很简单，是或不是。比如上面的例子，如果cyl等于4，就符合条件，否则不符合条件。因此只要我们的语句能够返回一个逻辑值（也就是计算机能够读懂的TURE或者FALSE），那么就能够构成一个条件。基本的条件操作符如下所示：
下面我们再举一个实际例子，比如我们需要除了4个气缸以外的数据，可以这么写:
1mtcars1 %>% 2 filter(cyl != 4) 3## # A tibble: 21 x 12 4## rowname mpg cyl disp hp drat wt qsec vs am gear 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 7## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 8## 3 Hornet~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 9## 4 Hornet~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 10## 5 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 11## 6 Duster~ 14.3 8 360 245 3.21 3.57 15.8 0 0 3 12## 7 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 13## 8 Merc 2~ 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 14## 9 Merc 4~ 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 15## 10 Merc 4~ 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 16## # ... with 11 more rows, and 1 more variable: carb <dbl>
SQL代码如下：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (`cyl` != 4.0)
过滤缺失值
现实生产或商务活动中，总会有一些数据采集不到，这时候就会出现缺失值。作分析的时候，如果有缺失值，就无法进行正确计算，比如计算均值的时候，就不容许数据中包含缺失值。如何去除掉缺失值呢？这里我们可以使用drop_na函数。
下面我们先构造一个3*2的数据框，并在里面设置缺失值。例子如下：
1df <- tibble(x = c(1, 2, NA), y = c("a", NA, "b")) 2df #原始数据框 3## # A tibble: 3 x 2 4## x y 5## <dbl> <chr> 6## 1 1 a 7## 2 2 <NA> 8## 3 NA b 9df %>% drop_na() #去掉含有缺失值的行 10## # A tibble: 1 x 2 11## x y 12## <dbl> <chr> 13## 1 1 a 14df %>% drop_na(x) #去掉x列含有缺失值的行 15## # A tibble: 2 x 2 16## x y 17## <dbl> <chr> 18## 1 1 a 19## 2 2 <NA>
我们可以看到，使用drop_na函数，我们可以轻松地去掉包含缺失值的行，而且还可以指定去除某列中含有缺失值的行。那么，我们怎么找到这些具有缺失值的行呢？非常简单，利用is.na函数即可，例子如下：
1df %>% 2 filter(is.na(x)) 3## # A tibble: 1 x 2 4## x y 5## <dbl> <chr> 6## 1 NA b
SQL代码如下：
1<SQL> SELECT * 2FROM `df` 3WHERE (((`x`) IS NULL))
组合过滤
如果只有一个条件，也许非常简单。但是条件很多的时候，我们就需要使用逻辑操作符来把条件组合起来，一起进行过滤。经典的逻辑操作符包括&（与）、|（或）、!（非），有的编程语言会用英语AND/OR/NOT来表示这些逻辑关系，但是在逻辑层面上表达是一致的。下面通过一个例子来说明这些逻辑关系：
-
&：如果顾客最近一周买了东西且（&）买的东西超过100元，那么我们把这些顾客的交易记录调出来；
-
|：如果顾客最近一周买了东西或者（|）购买东西的频率维持在一周一次，那么我们把这些顾客的交易记录调出来；
-
!：我们只考虑女性客户，因此男性客户都剔除（!）掉。
&
操作符
我们想要筛选气缸（cyl）为4，而且马力（hp）大于100的汽车。
1mtcars1 %>% 2 filter(cyl == 4 & hp > 100) 3## # A tibble: 2 x 12 4## rowna~ mpg cyl disp hp drat wt qsec vs am gear carb 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Lotus~ 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2 7## 2 Volvo~ 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2 8#等价于 9mtcars1 %>% 10 filter(cyl == 4,hp > 100) 11## # A tibble: 2 x 12 12## rowna~ mpg cyl disp hp drat wt qsec vs am gear carb 13## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 14## 1 Lotus~ 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2 15## 2 Volvo~ 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2
SQL代码如下：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE ((`cyl` = 4.0) AND (`hp` > 100.0))
|
操作符
我们想要筛选气缸（cyl）为4，或者马力（hp）大于100的汽车。
1mtcars1 %>% 2 filter(cyl == 4 | hp > 100) 3## # A tibble: 32 x 12 4## rowname mpg cyl disp hp drat wt qsec vs am gear 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 7## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 8## 3 Datsun~ 22.8 4 108 93 3.85 2.32 18.6 1 1 4 9## 4 Hornet~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 10## 5 Hornet~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 11## 6 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 12## 7 Duster~ 14.3 8 360 245 3.21 3.57 15.8 0 0 3 13## 8 Merc 2~ 24.4 4 147. 62 3.69 3.19 20 1 0 4 14## 9 Merc 2~ 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 15## 10 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 16## # ... with 22 more rows, and 1 more variable: carb <dbl>
SQL代码如下：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (`cyl` = 4.0 OR `hp` > 100.0)
!
操作符
我们想要筛选除了4个气缸以外的汽车记录。
1mtcars1 %>% 2 filter(!cyl == 4) 3## # A tibble: 21 x 12 4## rowname mpg cyl disp hp drat wt qsec vs am gear 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 7## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 8## 3 Hornet~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 9## 4 Hornet~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 10## 5 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 11## 6 Duster~ 14.3 8 360 245 3.21 3.57 15.8 0 0 3 12## 7 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 13## 8 Merc 2~ 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 14## 9 Merc 4~ 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 15## 10 Merc 4~ 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 16## # ... with 11 more rows, and 1 more variable: carb <dbl> 17#等价于 18mtcars1 %>% 19 filter(cyl != 4) 20## # A tibble: 21 x 12 21## rowname mpg cyl disp hp drat wt qsec vs am gear 22## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 23## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 24## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 25## 3 Hornet~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 26## 4 Hornet~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 27## 5 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 28## 6 Duster~ 14.3 8 360 245 3.21 3.57 15.8 0 0 3 29## 7 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 30## 8 Merc 2~ 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 31## 9 Merc 4~ 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 32## 10 Merc 4~ 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 33## # ... with 11 more rows, and 1 more variable: carb <dbl>
SQL代码如下：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (NOT(`cyl` = 4.0))
文本过滤
数据表中的数据不都是数值型的，有的是字符串格式存在的文本。在我们的例子中，比如我们想了解Merc这个型号的车，那么我们就要从rowname列中个提取包含“Merc”的行。
R语言tidyverse包中，包含了stringr包，可以对字符串进行识别、替换、提取等高级操作。如果我们要根据字符串进行过滤，就需要用到str_detect函数，例子如下：
1#提取rowname中包含“Merc”的记录 2 3mtcars1 %>% 4 filter(str_detect(rowname,pattern = "Merc")) 5## # A tibble: 7 x 12 6## rowna~ mpg cyl disp hp drat wt qsec vs am gear carb 7## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 8## 1 Merc ~ 24.4 4 147. 62 3.69 3.19 20 1 0 4 2 9## 2 Merc ~ 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2 10## 3 Merc ~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4 11## 4 Merc ~ 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 4 12## 5 Merc ~ 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 3 13## 6 Merc ~ 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 3 14## 7 Merc ~ 15.2 8 276. 180 3.07 3.78 18 0 0 3 3
SQL代码为：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (INSTR('^Merc', `rowname`) > 0)
我们看到pattern参数中，我们赋予了“Merc”模式。事实上，pattern可以接受正则表达式的内容，比如我们要搜索以M开头的车型，那么就可以把pattern改为“^M”：
1mtcars1 %>% 2 filter(str_detect(rowname,pattern = "^M")) 3## # A tibble: 10 x 12 4## rowname mpg cyl disp hp drat wt qsec vs am gear 5## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 6## 1 Mazda ~ 21 6 160 110 3.9 2.62 16.5 0 1 4 7## 2 Mazda ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 8## 3 Merc 2~ 24.4 4 147. 62 3.69 3.19 20 1 0 4 9## 4 Merc 2~ 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 10## 5 Merc 2~ 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 11## 6 Merc 2~ 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 12## 7 Merc 4~ 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 13## 8 Merc 4~ 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 14## 9 Merc 4~ 15.2 8 276. 180 3.07 3.78 18 0 0 3 15## 10 Masera~ 15 8 301 335 3.54 3.57 14.6 0 1 5 16## # ... with 1 more variable: carb <dbl>
SQL代码为：
1<SQL> SELECT * 2FROM `mtcars1` 3WHERE (INSTR('^M', `rowname`) > 0)
正则表达式是一个很有用的工具，如果能够写出高效的正则表达式，就能够对字符串进行更加高级的筛选。不过正则表达式超出了本系列的范围，因此不进行更多的介绍。
小
结
本章介绍了如何用filter函数完成过滤，我们了解了如何通过构造条件来对数据表的记录进行筛选。此外，我们能够去掉表格中含有缺失值的数据，还能把这些缺失的记录单独提取出来。最后，我们学会了如何通过构造组合过滤来进行复杂的表格数据筛选，并知道如何利用str_detect函数对文本格式的数据进行筛选。
往期精彩：
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门
回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法常用数据挖掘算法
本文由R语言中文社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者，并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Beginning ARKit for iPhone and iPad
Wallace Wang / Apress / 2018-11-5 / USD 39.99
Explore how to use ARKit to create iOS apps and learn the basics of augmented reality while diving into ARKit specific topics. This book reveals how augmented reality allows you to view the screen on ......一起来看看 《Beginning ARKit for iPhone and iPad》 这本书的介绍吧!
