过滤数据框答案

【问题标题】：Filtering a data frame过滤数据框
【发布时间】：2011-11-23 23:16:24
【问题描述】：

我已读取矩阵形式的 csv 文件（具有 m 行和 n 列）。我想通过以口头形式进行过滤来过滤矩阵：

从 x 列中选择该行中另一列的值等于“blabla”的所有值。

这就像数据库中的一个选择语句，我说我对需要满足这些约束的矩阵子集感兴趣。

我怎样才能在 r 中做到这一点？我将数据作为数据框，并且可以通过标题访问它。 data["column_values" = "15"] 不会给我返回名为 column_values 的列只有值 15 的行。

谢谢

【问题讨论】：

标签： r select filter

【解决方案1】：

你说你只想要 column_values 为 15 的列 x 值，对吧？

subset(dat, column_values==15, select=x)

我认为这可能是一个数据框，因此您可能需要 unlist() 它甚至“取消分解”它。

> dat
  Subject Product
1       1   ProdA
2       1   ProdB
3       1   ProdC
4       2   ProdB
5       2   ProdC
6       2   ProdD
7       3   ProdA
8       3   ProdB
> subset(dat, Subject==2, Product)
  Product
4   ProdB
5   ProdC
6   ProdD
> unlist( subset(dat, Subject==2, Product) )
Product1 Product2 Product3 
   ProdB    ProdC    ProdD 
Levels: ProdA ProdB ProdC ProdD
> as.character( unlist( subset(dat, Subject==2, Product) ) )
[1] "ProdB" "ProdC" "ProdD"

如果您想要所有列，您可以删除第三个参数（select= 参数）：

subset(dat, Subject==2 )

  Subject Product
4       2   ProdB
5       2   ProdC
6       2   ProdD

【讨论】：

感谢您的回复。实际上，我想恢复整个子集，我的意思是其他列也是如此。你能告诉我如何获得结果 2 Prod B； 2 产品； 2 ProdC 回来了？就我而言，我想像 Jack 显示的那样过滤不止一列。但它仍然无法正常工作。你能看到错误吗？谢谢！
发布了编辑。您可以在带引号或不带引号的列名的向量中指定任何因子组合。 subset 也将省略所有我讨厌但其他人欣赏的烦人的 NA 比赛。
我尝试了子集（数据，V1=="随机"，V6=="独立"）。但它不起作用。 V1 和 V6 是两个列标题。返回的结果是 > subset(data, V1=="stochastic", V6=="independent") 具有 0 列和 196 行的数据框v1 和 v6 满意吗？
也许：subset(data, V1=="stochastic" & V6=="independent") 。也许你可以发布 dput(head(data))？
对于 R 中的分解变量，您可以使用 varhandle 包中的函数 unfactor()

【解决方案2】：

假设dat是有问题的数据框，col是列名，"value"是你想要的值，你可以这样做

dat[dat$col=="value",]

这会获取dat 的所有行，dat$col=="value" 的所有行以及所有列。

【讨论】：

如何选择两列？一列工作正常。比如我试过这个 data[data$V1=="stochastic",data$V6=="independent",] 两列多选时如何实现和操作？
data[data$V1=="stochastic" && data$V6=="independent",]
数据[data$V1=="stochastic" && data$V6=="stochastic",] [1] V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 V21 V22 V23 （或 0-length row.names）它不显示结果。我确信结果不为空。有什么想法吗？
糟糕，抱歉，试试data[data$V1=="stochastic" & data$V6=="independent",]。我一直忘记，R 与地球上几乎所有其他语言不同，它使用 & 来表示大多数其他语言所使用的 && (sites.stat.psu.edu/~dhunter/R/html/base/html/Logic.html)。
df=as.data.frame(cbind(1:5,6:10,11:15)) df[df$V1==3 & df$V2==8,] 产生正确的数据（即元组(3,8,13)所代表的行）。

【解决方案3】：

首先，请注意 matrix 和 data.frame 在 R 中是不同的东西。我想你有一个 data.frame（因为这是 read.csv() 返回的内容）。 data.frame 已命名列（如果您不给它们命名，则会为您创建通用的）。

您可以通过指示您想要的行和/或您想要的列来对data.frame 进行子集化。指定哪些行的最简单方法是使用逻辑向量，通常使用data.frame 的特定列进行比较。例如，data[["column values"]] == "15" 将生成一个逻辑向量，即 TRUE，如果 column values 列中的相应条目是字符串“15”（因为它在引号中，它是一个字符串，而不是数字）。您可以根据需要制定尽可能复杂的选择标准（将逻辑向量与& 和| 组合）以指定所需的行。该向量成为索引中的第一个参数。

列名或数字的列表可以是第二个参数。如果缺少任一参数，则假定所有行（或列）。

把这些放在一起，你会得到像这样的例子

data[data[["column values"]] == "15", ]

或使用实际数据集 (mtcars)

mtcars[mtcars$am == 1, ]
mtcars[mtcars$am == 1 & mtcars$hp > 100, "mpg"]
mtcars[mtcars$am == 1 & mtcars$hp > 100, "mpg", drop=FALSE]
mtcars[mtcars$hp > 100, c("mpg", "carb")]

查看每个条件（第一个参数，例如mtcars$am == 1 & mtcars$hp > 100）返回的内容，以更好地了解索引的工作原理。

【讨论】：