dplyr包-行选择的方法

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

是新朋友吗？记得先点R语言关注我哦～

《R包学习》专栏·第3篇

文 | R学习者

2352字 | 6分钟阅读

【R语言】已开通R语言社群，五湖四海，天南地北，各行各业，有缘相聚，共享R事，雕刻数据，求解问题，以创价值。喜乐入群者，请加微信号luqin360，或扫描文末二维码，添加为好友，同时附上R-入群。有朋自远方来，不亦乐乎，并诚邀入群，以达相互学习和进步之美好心愿。

这是dplyr包系列第三篇文章。前两篇文章如下：

1 dplyr包-列选择的方法

2 dplyr包-列变换的方法

前两篇文章是从数据列的角度做选择和变换处理。这篇文章是从数据行的角度，描写行选择的一系列操作与方法。数据的行，可以看作为观察、样例、对象等。

数据的行选择，主要包括如下内容：

1 基于比较运算的行选择

2 基于字符匹配的行选择

3 基于正则模式的行选择

4 基于多条件的行选择

5 跨越多列的行选择

我们以R自带数据，采用管道的操作，演示行选择的具体操作和实现。

第一步：加载R包和自带数据集

1# 第一步：R包和自带数据集
2library(pacman)
3p_load(tidyverse)
4# 使用msleep数据集
5msleep %>% glimpse
6msleep %>% head

第二步：行选择操作实例

行选择，灵活使用filter()函数

1 基于比较运算的行选择

适合于数值型变量，使用>,<,>=,<=,==或者!=比较关系运算符号

 1# 1 比较运算的行选择
 2msleep %>% 
 3  select(name, sleep_total) %>% 
 4  filter(sleep_total > 12) %>%
 5  head 
 6
 7msleep %>% 
 8  select(name, sleep_total) %>% 
 9  filter(between(sleep_total, 12, 18)) %>% 
10  head

between()函数用来确定一个闭区间。

思考题：请问下面这个代码片段实现什么功能？

1msleep %>% 
2  select(name, sleep_total) %>% 
3  filter(near(sleep_total, 17, tol = sd(sleep_total))) %>%
4  head

2 基于字符匹配的行选择

使用比较运算符号或者%in%运算或者布尔逻辑关系，构建满足要求的过滤逻辑。

 1msleep %>% 
 2  select(order, name, sleep_total) %>% 
 3  filter(order == "Didelphimorphia") %>%
 4  head 
 5
 6msleep %>% 
 7  select(order, name, sleep_total) %>% 
 8  filter(order %in% c("Didelphimorphia", "Diprotodontia")) %>% 
 9  head
10
11remove <- c("Rodentia", "Carnivora", "Primates")
12msleep %>% 
13  select(order, name, sleep_total) %>% 
14  filter(!order %in% remove) %>% 
15  head

3 基于正则模式的行选择

使用grepl()函数或者stringr包的str_detect()函数,利用正则模式，设计和构建满足要求的行选择逻辑。

1msleep %>% 
2  select(name, sleep_total) %>% 
3  filter(str_detect(tolower(name), pattern = "mouse")) %>%
4  head

4 基于多条件的行选择

通过多条件关系和布尔逻辑关系，构建满足需求和更复杂的行选择逻辑。

1msleep %>% 
2  select(name, order, sleep_total:bodywt) %>% 
3  filter(bodywt > 100, (sleep_total > 15 | order != "Carnivora")) %>% 
4  head 
5
6msleep %>% 
7  select(name, sleep_total, brainwt, bodywt) %>% 
8  filter(brainwt > 1, !bodywt > 100)

5 跨越多列的行选择

根据列的逻辑选择满足某种模式的行，会用到filter_all()函数,filter_if()函数，filter_at()函数。

1）filter_all()函数

选择所有列或者任意列满足某种逻辑的行选择

 1# 1）filter_all()
 2msleep %>% 
 3  select(name:order, sleep_total, -vore) %>% 
 4  filter_all(any_vars(str_detect(., pattern = "Ca"))) %>% 
 5  head 
 6
 7msleep %>%  
 8  select(name, sleep_total:bodywt) %>% 
 9  filter_all(any_vars(. < 0.1)) %>% 
10  head
11
12msleep %>%  
13  select(name, sleep_total:bodywt, -awake) %>% 
14  filter_all(all_vars(. > 1)) %>% 
15  head

2）filter_if()函数

首先，选择if条件为真的列，然后针对这些列类似filter_all()的操作

1# 2) filter_if()
2msleep %>% 
3  select(name:order, sleep_total:sleep_rem) %>% 
4  filter_if(is.character, any_vars(is.na(.))) %>% 
5  head

3）filter_at()函数

与filter_if()函数对比发现，通过人为指定为真的列，然后针对这些列类似filter_all()的操作

1msleep %>% 
2  select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% 
3  filter_at(vars(sleep_total, sleep_rem), all_vars(.>5)) %>% 
4  head
5
6msleep %>% 
7  select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% 
8  filter_at(vars(contains("sleep")), all_vars(.>5)) %>% 
9  head

总结：行选择，就是基于需求，设计和构建行选择逻辑，使用filter()函数或者filter函数变体，以实现行选择的目的。

完整代码：

 1################
 2#dplyr包行选择的方法
 3###############
 4
 5# 第一步：R包和自带数据集
 6library(pacman)
 7p_load(tidyverse)
 8# 使用msleep数据集
 9msleep %>% glimpse
10msleep %>% head
11
12# 第二步：行选择
13# 1 比较运算的行选择
14msleep %>% 
15  select(name, sleep_total) %>% 
16  filter(sleep_total > 12) %>%
17  head 
18
19msleep %>% 
20  select(name, sleep_total) %>% 
21  filter(between(sleep_total, 12, 18)) %>% 
22  head 
23
24msleep %>% 
25  select(name, sleep_total) %>% 
26  filter(near(sleep_total, 17, tol = sd(sleep_total))) %>%
27  head 
28
29# 字符匹配的行选择
30msleep %>% 
31  select(order, name, sleep_total) %>% 
32  filter(order == "Didelphimorphia") %>%
33  head 
34
35msleep %>% 
36  select(order, name, sleep_total) %>% 
37  filter(order %in% c("Didelphimorphia", "Diprotodontia")) %>% 
38  head
39
40remove <- c("Rodentia", "Carnivora", "Primates")
41msleep %>% 
42  select(order, name, sleep_total) %>% 
43  filter(!order %in% remove) %>% 
44  head 
45
46# 3 基于正则模式的行选择
47msleep %>% 
48  select(name, sleep_total) %>% 
49  filter(str_detect(tolower(name), pattern = "mouse")) %>%
50  head 
51
52# 4 基于多条件的行选择
53msleep %>% 
54  select(name, order, sleep_total:bodywt) %>% 
55  filter(bodywt > 100, (sleep_total > 15 | order != "Carnivora")) %>% 
56  head 
57
58msleep %>% 
59  select(name, sleep_total, brainwt, bodywt) %>% 
60  filter(brainwt > 1, !bodywt > 100) %>% 
61  head
62
63# 跨越多列的行选择
64# 1）filter_all()
65msleep %>% 
66  select(name:order, sleep_total, -vore) %>% 
67  filter_all(any_vars(str_detect(., pattern = "Ca"))) %>% 
68  head 
69
70msleep %>%  
71  select(name, sleep_total:bodywt) %>% 
72  filter_all(any_vars(. < 0.1)) %>% 
73  head
74
75msleep %>%  
76  select(name, sleep_total:bodywt, -awake) %>% 
77  filter_all(all_vars(. > 1)) %>% 
78  head
79
80# 2) filter_if()
81msleep %>% 
82  select(name:order, sleep_total:sleep_rem) %>% 
83  filter_if(is.character, any_vars(is.na(.))) %>% 
84  head 
85
86
87
88# 3) filter_at()
89msleep %>% 
90  select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% 
91  filter_at(vars(sleep_total, sleep_rem), all_vars(.>5)) %>% 
92  head
93
94msleep %>% 
95  select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% 
96  filter_at(vars(contains("sleep")), all_vars(.>5)) %>% 
97  head