相关文章推荐
耍酷的企鹅  ·  R语言中填充缺失的时间序列数据_r语言中,自 ...·  2 月前    · 
文质彬彬的自行车  ·  用Python获取本地主机名及IP地址的简单 ...·  1 年前    · 
谈吐大方的拐杖  ·  Python 字典(Dictionary) ...·  1 年前    · 
淡定的松树  ·  C#中的public类中声明静态成员，静态方 ...·  1 年前    · 
谦逊的沙滩裤  ·  docker配置网卡使宿主机和容器ip处于同 ...·  1 年前    · 
Code  ›  如何使用dplyr filter过滤多列中的NA_无法使用filter dplyr过滤df中的现有值_使用dplyr::filter_if仅将相等值过滤到列中 -
大数据 r语言
https://cloud.tencent.com/developer/information/%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8dplyr%20filter%E8%BF%87%E6%BB%A4%E5%A4%9A%E5%8
成熟的单杠
1 年前
备案 控制台
学习
实践
活动
专区
工具
TVP
文章/答案/技术大牛
写文章

数据处理第3部分：选择行 的 基本和高级 的 方法

在这篇文章 中 ，我们将介绍 如何 挑选您 的 数据。 除了 filter 的 基础知识外，它还介绍了一些更好 的 方法，用near（）和between（）挑选数字 列 ，或用正则表达式 过滤 字符串列。 Basic row filters 在许多情况下，您不希望在分析 中 包括所有行，而只包括选择 的 行。 仅 使用 特定行 的 函数在 dplyr 中 称为“ filter （）”。 （）将根据您 的 进一步说明 过滤 所有 列 * filter _if（）需要一个返回布尔值 的 函数来指示要 过滤 的 列 。 或者您只是 过滤 所有 列 的 字符串“food”。 在下面的示例代码 中 ，我在所有 列 中 搜索字符串“Ca”。我想保留在任何变量中出现字符串“Ca” 的 行，所以我将条件包装在any_vars（） 中 。 描述 列 都是字符 列 ，而测量数据是数字。 所以 使用 filter _if（）我可以指定我只想 过滤 字符变量。 在这种情况下，我只得到7行。

374 1 0

「R」数据操作（五）： dplyr 介绍与数据 过滤

准备 这部分我们聚焦于 如何 使用 dplyr 包，除ggplot2 的 另一个tidyverse核心成员。我们将 使用 nyclights13数据包解释关键 的 概念并 使用 ggplot2帮助理解数据。 ## lag(): dplyr , stats 注意一下你导入tidyverse包时给出 的 冲突信息（Conflicts），它告诉你 dplyr 覆盖了R基础包 中 的 函数。 ，这里适配地显示了在一个屏幕前几行和所有的 列 （我们可以 使用 View(flights）在Rstudio 中 查看数据集 的 所有信息。 让我们实际来看看这些动词是怎么工作 的 。 使用 filter () 过滤 行 filter ()允许我们根据观测值来对数据集取子集。第一个参数是数据框 的 名字，第二和随后 的 参数是用于 过滤 数据框 的 表达式。 x == y ## [1] NA # 我们不知道 如果你想确定一个值是不是缺失了， 使用 is. na ()： is. na (x) ## [1] TRUE filter ()仅仅会包含条件是TRUE 的 行，把是

979 1 1
  • 广告
    关闭

    上云精选

    2核2G云服务器 每月9.33元起，个人开发者专属3年机 低至2.3折

    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    「R」 dplyr 列式计算

    ❝在近期 使用 「 dplyr 」 进行 多 列 选择性操作，如 mutate_at() 时，发现文档提示一系列 的 「 dplyr 」 函数变体已经过期，看来后续要退休了， 使用 across() 是它们 的 统一替代品，所以最近抽时间针对性 的 学习和翻译下 原文来自 [ dplyr 文档](Column-wise operations • dplyr (tidyverse.org " dplyr 文档")) - 2021-01❞ 同时对数据框 的 多 列 执行相同 的 函数操作经常有用 _if, _at, _all 「 dplyr 」 以前 的 版本允许以不同 的 方式将函数应用到多个 列 ： 使用 带有_if、_at和_all后缀 的 函数。这些功能解决了迫切 的 需求而被许多人 使用 ，但现在被取代了。 这是由 base R 提供 的 ，但它并没有很好 的 文档，我们花了一段时间才发现它是有用 的 ，而不仅仅是理论上 的 好奇。 我们可以 使用 数据框让汇总函数返回 多 列 。 我们可以 使用 没有外部名称作为将数据框 列 解包为单独 列 的 约定。 你 如何 转移已经存在 的 代码？

    267 1 0

    R语言数据处理：飞机航行距离与到达延误时间有什么关系??

    这一点，我想大部分 使用 EXCEL 的 童鞋都深有体会，写论文时，这么 多 的 数据进行处理，手动汇总、筛选、变换，工作量实在是太大。 包，该软件包 中 的 飞机航班数据将用于本文中 dplyr 包相关函数 的 演示。 2.3 删除缺失数据 我们采用 dplyr 包 中 的 filter ()函数，进行缺失数据 的 删除。脚本输入代码： myFlights <- filter (myFlights,! X”将限定有效数据，最后用 filter ()函数“ 过滤 ”得到有效数据，成功地删除了缺失数据（由原先 的 336,776个数据变为327,346个数据）。 3.2 应用函数及组合结果 我们 使用 dplyr 包 中 的 summarize()函数，进行数据统计指标的获取及组合。计算出不同目的地 的 平行航行距离以及平均延误时间。

    1.2K 4 0

    使用 R 语言从 PDF 文档中提取表格

    由于一个知识星球 的 小伙伴急需学习 如何 从 PDF 文档中提取表格，所以先插这个课，「 使用 R 语言处理 netCDF 数据」系列 的 课程下次再发新 的 哈。 本课程介绍了 如何 使用 R 语言从 WHO（世界卫生组织） 的 官网上下载新冠疫情 的 每日报告以及 如何 从这些报告 中 的 表格里面提取数据。 这个非常简单，我 的 思路是直接获取网页 中 的 所有 标签 的 href 属性，然后 过滤 出链接 中 含 .pdf 的 ，最后再用一个循环下载所有的 PDF 文件即可。 is. na (Total_confirmed_cases)) %>% dplyr :: filter (! is. na (Total_confirmed_cases)) %>% dplyr :: filter (!

    1.8K 1 0

    TidyFriday 每天 5 分钟，轻轻松松上手 R 语言（四）

    上次推文，我们通过数字和字符进行了简单 的 行筛选，今天我们继续来探讨 filter () 的 进阶用法 今天我们 使用 msleep 来进行演示 filter () 的 用法,msleep 是一个关于哺乳动物睡眠 的 数据 例如，要选择总睡眠时间在16至18小时之间 的 所有动物，我可以 使用 filter (sleep_total >= 16, sleep_total <= 18) ，但是 使用 between ()看起来会更简洁一些 ## # ... with 44 more rows 跨 列 筛选 dplyr 包还有几个功能强大 的 包，来支持我们跨 列 筛选 「 filter _all」 现在有个需求，只要 列 值包含字母组合 Ca 我们就把这个观测值筛选出来 现在我们想筛选出这样 的 观测值，字符型 的 变量 中 的 值为空，而不管数值型 的 变量是否为空， 此时 filter _all 就不太好用了， filter _all(any_vars(is. na (.)))会将所有包含 、 is.double、 is.logical、 is.factor等，我们 的 筛选手段 更加丰富了 「 filter _at」 filter _at()可以用来筛选给定变量 中 符合某条件 的 观测值，比如下面这个例子

    281 3 0

    「Workshop」第二期：程序控制与数据操作流

    , sample_n, sample_frac, top_n, distinct 列 筛选 select 排序 arrange 行列增加/更新 基本 的 数学和比较逻辑运算符 + - * / > < == dense_rank min_rank ntile percent_rank row_number 其他 dplyr :: between case_when coalesce if_else na _if is. na ()) 位置 mean, meadian 逻辑值 mean, sum 位置 dplyr :: first last nth 排序 quantile min max 分布 IQR mad sd var separate_rows unite write_* data.table 与 base 数据导入 fread 数据导出 fwrite data.table 语法 dt[i, j, by] 数据 过滤 与合并等操作与 R 基础语法一致，也可以 使用 tidyverse 处理 进一步 的 学习参考小抄、文档和《R 语言编程指南》 后几期主题 本期未讲述 的 内容？？？

    312 3 0

    tidyverse：R语言中相当于python 中 pandas+matplotlib 的 存在

    library(tidyverse) #加载以下tidyverse 中 核心 的 packages: ggplot2：画图，可视化数据 dplyr ：操控数据， 过滤 、排序等 tidyr：清理数据 readr：( ，是弱类型 的 ，同时与data.frame有相同 的 语法， 使用 起来更方便。 ：数据整理 dplyr 包 的 下述五个函数用法 4.1 筛选: filter 4.2 排列: arrange 4.3 选择: select 4.4 变形: mutate 4.5 汇总: summarise 4.6 分组: group_by # install.packages(" dplyr ") library( dplyr ) 4.1 筛选: filter () #按给定 的 逻辑判断筛选出符合要求 的 子数据集 = FALSE) #data：需要被转换 的 宽形表 #key：将原数据框 中 的 所有 列 赋给一个新变量key #value：将原数据框 中 的 所有值赋给一个新变量value #…：可以指定哪些 列 聚到同一 列 中 # na .rm

    686 1 0

    R 数据整理（七： 使用 tidyr和 dplyr 处理数据框 2.0）

    /tidyr 数据管理 2.1 filter 使用 逻辑条件对行筛选。 filter () 会自动舍弃行名，如果需要行名只能将其转换成数据框 的 一 列 。 2.4 drop_ na 效果和 na .omit 一样，但是高级之处在于，其可以指定 列 ，对数据框某 列 存在 NA 的 行直接删除： > library(tidyr) > drop_ na (X,X1) X1 X2 对于即将合并 的 新 列 ，需要 使用 引号；但对于想要合并 的 多个列名，可以不用 使用 引号。sep 参数设定 多 列 合并后不同数据分隔 使用 的 分割符。 extract 除了seperate 外，函数 extract() 可以按照某种正则表达式表示 的 模式从指定 列 拆分出对应于正则表达式 中 捕获组 的 一 列 或 多 列 内容。

    554 3 0

    R语言日常笔记（1） filter 函数

    R语言日常笔记（1） filter 函数 在处理数据时， 过滤 数据是最基本 的 操作之一。 如果想删除一部分无效或者根本不感兴趣 的 数据。 dplyr 有 filter （）函数来做这样 的 过滤 。 使用 dplyr ，可以帮助 使用 者像 使用 SQL或者传统BI工具以简单且更直观 的 方式进行 过滤 。 导入数据，这一次主要 使用 的 是flight数据集 rm(list=ls()) library(nycflights13) library( dplyr ) flights > flights 函数（一般用于 使用 者想对数据集中 的 符合条件 的 列 进行筛选操作时(注:虽然是以特定 列 进行筛选 的 ，但是最后呈现 的 数据还是全部 列 ) > mtcars %>% + filter _at(vars(starts_with 函数（一般用于 使用 者想对数据集中 的 符合条件 的 列 进行转换，然后进行观测值 的 筛选时）。

    20.3K 3 0

    dplyr 中 的 across操作

    dplyr 中 的 across函数取代了之前 的 xx_if/xx_at/xx_all，用法更加灵活，初学时觉得不如xx_if/xx_at/xx_all简单易懂，用习惯后真是利器！ 主要是介绍across函数 的 用法，这是 dplyr 1.0才出来 的 一个函数，大大简化了代码 可用于对 多 列 做同一个操作。 across其他连用 和 filter ()连用 library( dplyr , warn.conflicts = FALSE) across()有两个基本参数： .cols：选择你想操作 的 列 where(is.numeric)，因为第2个across会 使用 新创建 的 列 （“min_height”, “min_mass” and “min_birth_year”）。 if_any()：任何一 列 满足条件即可 if_all()：所有 列 都要满足条件 starwars %>% filter (if_any(everything(), ~ !

    110 3 0

    R︱高效数据操作——data.table包（实战心得、 dplyr 对比、key灵活用法、数据合并）

    data.table 中 ，还有一个比较特立独行 的 函数： 使用 :=引用来添加或更新一 列 （参考：R语言data.table速查手册） DT[, c("V1","V2") := list(round(exp(V1 %in% c('CA','MA',"TX")] dplyr 用 filter ，content满足某种条件 的 进行筛选，而data.table 的 筛选方式很传统，比较简单。 （2）多变量筛选，用&|等 from_ dplyr = filter (tb,State=='CA' & Claim.Type! nomatch参数用于控制，当在i 中 没有到匹配数据 的 返回结果，默认为 NA ，也能设定为0。 —————————————————————— 实战一：在data.table 如何 选中 列 ， 如何 循环提取、操作data.table 中 的 列 ？

    2.8K 4 2

    什么是sparklyr

    过滤 和聚合Spark数据集，然后将它们通过R进行分析和可视化。 你可以 使用 dplyr 的 copy_to函数将R 的 data frames拷贝到Spark。（更典型 的 是你可以通过spark_read 的 一系列函数读取Spark集群 中 的 数据。） batting_tbl <- copy_to(sc, Lahman::Batting, "batting") 使用 dplyr 针对集群 中 的 表，我们现在可以 使用 所有可用 的 dplyr 的 verbs 以下是一个简单 的 过滤 示例： # filter by departure delay flights_tbl %>% filter (dep_delay == 2) https://cran.r-project.org aliId=16814538 醉酒鞭名马，少年 多 浮夸！ 岭南浣溪沙，呕吐酒肆下！挚友不肯放，数据玩 的 花！ 温馨提示：要看高清无码套图，请 使用 手机打开并单击图片放大查看。

    908 9 0

    day6-白雪

    #含有多个函数 使用 的 代码以及方法R包 的 安装和加载镜像设置# options函数就是设置R运行过程 中 的 一些选项设置> options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn ,首先得知道你要安装什么包，安装包完成后，才可以 使用 包里面的函数已安装 dplyr 为例options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn ) # dplyr 下载 的 是一个安装包，解压在输，要不报错示例数据直接 使用 内置数据集iris 的 简化版:test <- iris[c(1:2,51:52,101:102),] dplyr 的 五个基础函数mutate 引用自微信公众号生信星球图片count统计某 列 的 unique值计算数据对象（vector、dataframe） 的 unique独特值： unique函数 从vector向量、dataframe 中 删除重复项 by = 'x') #显示2表 中 x与1表不同 的 数据 x y1 a 12 c 33 d 4简单合并bind_rows()函数需要两个表格 列 数相同，而bind_cols()函数则需要两个数据框有相同 的 行数

    96 0 0

    tidyverse|数据分析常规操作-分组汇总（sumamrise+group_by)

    使用 tidyverse进行简单 的 数据处理： 盘一盘Tidyverse| 筛行选 列 之select，玩转列操作 盘一盘Tidyverse| 只要你要只要我有- filter 筛选行 Tidyverse|数据 列 的 分分合合 ，一分 多 ， 多 合一 Tidyverse| XX_join ：多个数据表（文件）之间 的 各种连接 本次介绍变量汇总以及分组汇总。 summarise_at配合vars，可以更灵活 的 筛选符合条件 的 列 ，然后进行汇总 iris %>% summarise_at(vars(ends_with("Length"),Petal.Width is. na (x)) ：返回非缺失值 的 梳理； n_distinct(x)：返回 唯一值 的 数量。 这使得 sum() 和 mean() 非常适用于逻辑值：sum(x) 可以找出 x 中 TRUE 的 数量， mean(x) 则可以找出比例 . iris %>% group_by(Species

    1.3K 6 0

    快速掌握R语言中类SQL数据库操作技巧

    在数据分析 中 ，往往会遇到各种复杂 的 数据处理操作：分组、排序、 过滤 、转置、填充、移动、合并、分裂、去重、找重、填充等操作。这时候R语言就是一个很好 的 选择：R可以高效地、优雅地解决数据处理操作。 对于 NA 值 的 操作，主要都集中在了 过滤 操作和填充操作 中 ，因此就不在单独介绍 NA 值 的 处理了。 可参考↓↓ R语言 | 第一部分：数据预处理 7.数据筛选和8.抽样 R语言数据管理与 dplyr 、tidyr | 第4讲 5 dplyr 中 5.1筛选 filter 和5.3选择select 4 2 B NA 4.2 数据增减 常见如以下不同方法 #方法一：减行数或 列 数 x=x[,-1] #代表删除x数据集中第一 列 数据 #方法二： dplyr ::mutate 去重与找重 去重，是把向量 中 重复 的 元素 过滤 掉。找重，是把向量 中 重复 的 元素找出来。

    1K 2 0

    数据处理 的 R包

    教程，可以参考官方文档：http://plyr.had.co.nz/ 3.2.2 dplyr dplyr 是一个强大 的 R包，用于处理，清理和汇总非结构化数据，使得R 中 的 数据探索和数据操作变得简单快捷，也是出于 （1） filter filter 函数筛选，查找特定条件 的 行或者样本，但不能筛选变量 > library( dplyr ) > # 筛选Sepal.Length>7.8，Species=="virginica 如果需要阅读更多 的 dplyr 教程，可以参考 dplyr 官方文档：https://www.rdocumentation.org/packages/ dplyr 3.2.3 tidyr 在数据整合过程 中 tidyr包主要涉及：gather（宽数据转为长数据），spread（长数据转为宽数据），separate（ 多 列 合并为一 列 ）和unite（将一 列 分离为 多 列 ） （1）gather 使用 gather()函数实现宽表转长表 ，语法如下： gather(data, key, value, na .rm = FALSE,···) data：需要被转换 的 宽形表 key：将原数据框 中 的 所有 列 赋给一个新变量key value：将原数据框 中 的 所有值赋给一个新变量

    318 2 0

    数据清洗与管理之 dplyr 、tidyr

    缺失值 5 dplyr 包 的 下述五个函数用法 5.1 筛选: filter 5.2 排列: arrange 5.3 选择: select 5.4 变形: mutate 5.5 汇总: summarise 6.3 多 列 合并为一 列 ：unit 6.4 将一 列 分离为 多 列 ：separat 先前已经讲过R语言生成测试数据、数据预处理和外部数据输入等内容，但这仅仅是第一步，我们还需要对数据集进行筛选、缺失值处理等操作 attr(,"class") [1] "omit" 5 dplyr 包 的 下述五个函数用法【高级数据管理包】 # install.packages(" dplyr ") library( dplyr ) # 使用 datasets 类似excel透视表反向操作 #gather(data, key, value, …, na .rm = FALSE, convert = FALSE) #data：需要被转换 的 宽形表 #key：将原数据框 中 的 所有 列 赋给一个新变量 #value：将原数据框 中 的 所有值赋给一个新变量value #…：可以指定哪些 列 聚到同一 列 中 # na .rm：是否删除缺失值 widedata <- data.frame(person=c('Alex

    728 4 0
     
    推荐文章
    耍酷的企鹅  ·  R语言中填充缺失的时间序列数据_r语言中,自动将包含日期的数据,按照实际连续的日期填充
    2 月前
    文质彬彬的自行车  ·  用Python获取本地主机名及IP地址的简单方式_python 获取系统主机名 ip_杰瑞26的博客-CSDN博客
    1 年前
    谈吐大方的拐杖  ·  Python 字典(Dictionary) | 菜鸟教程
    1 年前
    淡定的松树  ·  C#中的public类中声明静态成员，静态方法，静态类_51CTO博客_静态类仅包含静态成员
    1 年前
    谦逊的沙滩裤  ·  docker配置网卡使宿主机和容器ip处于同一网段 - 知乎
    1 年前
    今天看啥   ·   Py中国   ·   codingpro   ·   小百科   ·   link之家   ·   卧龙AI搜索
    删除内容请联系邮箱 2879853325@qq.com
    Code - 代码工具平台
    © 2024 ~ 沪ICP备11025650号