当前位置：极客教程 > R语言 > R语言 教程 > R语言 使用Dplyr过滤或子集行

R语言 使用Dplyr过滤或子集行

R语言 使用Dplyr过滤或子集行

在这篇文章中，我们将使用Dplyr包在R编程语言中对数据框架中的行进行过滤。

使用中的数据框架

使用Dplyr在R中过滤或子集行

方法1：使用filter()对行进行子集或过滤

为了过滤或子集行，我们将使用 filter() 函数。

语法:

filter(dataframe,condition)

这里，dataframe是输入数据框，condition用于过滤数据框中的数据。

例子： 过滤数据框的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
#display actual  dataframe
print(data)
print("==========================")
  
#filter dataframe with department is sales
print(filter(data,department=="sales"))
R

输出

使用Dplyr在R中过滤或子集行

方法2：用多个条件过滤数据框

我们将使用过滤器函数来过滤行。这里我们必须在过滤函数中指定条件。

语法

filter(dataframe,condition1condition2,.condition n)

这里，dataframe是输入数据框，condition用于过滤数据框中的数据。

例子： 过滤多条记录的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# filter dataframe with department is sales and 
# salary is greater than 27000
print(filter(data,department=="sales" & salary >27000))
R

输出

使用Dplyr在R中过滤或子集行

例子： 通过OR运算过滤行

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# filter dataframe with department is IT or salary 
# is greater than 27000
print(filter(data,department=="IT" |  salary >27000))
R

输出

使用Dplyr在R中过滤或子集行

例子： 使用和、或进行过滤的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# filter dataframe with department is sales 
# and salary is greater than 27000 or salary
# less than 5000
print(filter(data,department=="sales" & salary >27000 | salary<5000))
R

输出

使用Dplyr在R中过滤或子集行

方法3：使用slice_head()函数

这个函数用于从数据框架中获取前n行。

语法:

dataframe %>% slice_head(n)

其中，dataframe是输入的数据框架，%>%是加载数据框架的操作符（管道操作符），n是要显示的行数。

例子： 使用slice_head()来过滤行的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# display top 3 values with slice_head
data %>% slice_head(n=3)
print("==========================")
  
# display top 5 values with slice_head
data %>% slice_head(n=5)
print("==========================")
  
# display top 1 value  with slice_head
data %>% slice_head(n=1)
R

输出

使用Dplyr在R中过滤或子集行

方法4：使用slice_tail()函数

这个函数用于从数据框架中获取最后的n条记录

语法:

dataframe %>% slice_tail(n)

其中，dataframe是输入的数据框架，%>%是加载数据框架的操作符（管道操作符），n是最后显示的行数。

例子： R程序通过使用slice_tail()方法来过滤最后几行

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# display last 3 values with slice_tail
data %>% slice_tail(n=3)
print("==========================")
  
  
# display last 5 values with slice_tail
data %>% slice_tail(n=5)
print("==========================")
  
# display last 1 value  with slice_tail
data %>% slice_tail(n=1)
R

输出

使用Dplyr在R中过滤或子集行

方法5：使用top_n()函数

这个函数用来获取前n行。

语法:

data %>% top_n(n=5)

例子： 使用top_n()函数过滤行的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,78900.00,
                         25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# display last 3 values with top_n
data %>% top_n(n=3)
print("==========================")
  
# display last 5 values with top_n
data %>% top_n(n=5)
print("==========================")
  
# display last 1 value  with top_n
data %>% top_n(n=1)
R

输出

使用Dplyr在R中过滤或子集行

方法6：使用slice_sample()函数

在这里，我们将使用slice_sample()函数来过滤行，这将随机返回n条样本行

语法:

slice_sample(n)

例子： 使用slice_sample()函数来过滤行的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# display last 3 values with slice_sample
data %>% slice_sample(n=3)
print("==========================")
  
# display last 5 values with slice_sample
data %>% slice_sample(n=5)
print("==========================")
  
# display last 1 value  with slice_sample
data %>% slice_sample(n=1)
R

输出

使用Dplyr在R中过滤或子集行

方法7：使用slice_max()函数

这个函数返回基于一列的数据框架的最大n行数

语法

dataframe %>% slice_max(column, n )

其中，dataframe是输入的数据框架，列是数据框架的列，基于该列返回最大行，n是要返回的最大行数。

示例： 使用slice_max()函数进行过滤的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# return top 3 maximum rows based on salary 
# column in the dataframe
print(data %>% slice_max(salary, n = 3))
print("==========================")
  
# return top 5 maximum rows based on department 
# column in the dataframe
print(data %>% slice_max(department, n = 5))
print("==========================")
R

输出

使用Dplyr在R中过滤或子集行

方法8：使用slice_min()函数

这个函数返回基于一列的数据框架的最小n行数

语法

dataframe %>% slice_min(column, n )

其中，dataframe是输入的数据框架，列是数据框架的列，基于此列返回最大行，n是要返回的最小行数。

示例： 使用slice_min()进行过滤的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# return top 3 minimum rows based on salary 
# column in the dataframe
print(data %>% slice_min(salary, n = 3))
print("==========================")
  
# return top 5 minimum rows based on department 
# column in the dataframe
print(data %>% slice_min(department, n = 5))
print("==========================")
R

输出

使用Dplyr在R中过滤或子集行

方法9：使用sample_frac()函数

sample_frac()函数从一个数据框（或表）中随机选择n百分比的行。第一个参数包含数据框的名称，第二个参数告诉我们要选择多少百分比的行。

语法

sample_frac(dataframe,n)

其中dataframe是输入数据框，n是分数值。

示例： 使用sample_frac()函数过滤数据的R程序

# load the package
library(dplyr)
  
# create the dataframe with three columns
# id , department and salary with 8 rows
data=data.frame(id=c(7058,7059,7060,7089,7072,7078,7093,7034),
                  
                department=c('IT','sales','finance','IT','finance',
                             'sales','HR','HR'),
                  
                salary=c(34500.00,560890.78,67000.78,25000.00,
                         78900.00,25000.00,45000.00,90000))
  
# display actual  dataframe
print(data)
print("==========================")
  
# return 2 rows
print(sample_frac(data,0.2))
print("==========================")
  
# return 4 rows
print(sample_frac(data,0.4))
print("==========================")
  
# return 7 rows
print(sample_frac(data,0.7))
print("==========================")
R

输出

使用Dplyr在R中过滤或子集行

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

R语言 精品教程

登录

找回密码？

注册