Question

我在其中一列中有一个data.frame字符数据。我想从同一列中过滤data.frame中的多个选项。有没有一种简单的方法可以做到这一点，我错过了？

示例： data.frame name = dat

days      name
88        Lynn
11          Tom
2           Chris
5           Lisa
22        Kyla
1          Tom
222      Lynn
2         Lynn

例如，我想过滤掉Tom和Lynn 当我这样做时：

target <- c("Tom", "Lynn")
filt <- filter(dat, name == target)

我收到此错误：

longer object length is not a multiple of shorter object length

Answer 1

您需要%in%而不是==：

library(dplyr)
target <- c("Tom", "Lynn")
filter(dat, name %in% target)  # equivalently, dat %>% filter(name %in% target)

可生产

  days name
1   88 Lynn
2   11  Tom
3    1  Tom
4  222 Lynn
5    2 Lynn

要了解原因，请考虑一下这里发生的事情：

dat$name == target
# [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

基本上，我们会将两个长target个向量重复四次，以匹配dat$name的长度。换句话说，我们正在做：

 Lynn == Tom
  Tom == Lynn
Chris == Tom
 Lisa == Lynn
 ... continue repeating Tom and Lynn until end of data frame

在这种情况下，我们不会收到错误，因为我怀疑您的数据框实际上有不同数量的行不允许回收，但您提供的示例（8行）。如果样本有一个奇数行，我会得到与你相同的错误。但即使回收工作，这显然不是你想要的。基本上，陈述dat$name == target等同于：

为每个奇数值返回TRUE，等于＆＃34; Tom＆＃34;或者等于＆＃34; Lynn＆＃34;。
的每个偶数值

恰好，样本数据框中的最后一个值是偶数且等于＆＃34; Lynn＆＃34;，因此上面的TRUE。

相比之下，dat$name %in% target说：

对于dat$name中的每个值，请检查它是否存在于target。
中

非常不同。结果如下：

[1]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE

请注意，您的问题与dplyr无关，只是误用==。

Answer 2

这可以使用dplyr软件包实现，该软件包可在CRAN中使用。实现这一目标的简单方法：

安装dplyr包。
library(dplyr) df<- select(filter(dat,name=='tom'| name=='Lynn',c('days','name))

说明：

因此，一旦我们下载了dplyr，我们就会使用此软件包中的两个不同函数创建一个新的数据框：

filter：第一个参数是数据框;第二个参数是我们希望它被子集化的条件。结果是整个数据框只有我们想要的行。 select：第一个参数是数据框;第二个参数是我们想要从中选择的列的名称。我们不必使用names（）函数，甚至不必使用引号。我们只是将列名列为对象。

Answer 3

使用base包：

df <- data.frame(days = c(88, 11, 2, 5, 22, 1, 222, 2), name = c("Lynn", "Tom", "Chris", "Lisa", "Kyla", "Tom", "Lynn", "Lynn"))

# Three lines
target <- c("Tom", "Lynn")
index <- df$name %in% target
df[index, ]

# One line
df[df$name %in% c("Tom", "Lynn"), ]

输出：

  days name
1   88 Lynn
2   11  Tom
6    1  Tom
7  222 Lynn
8    2 Lynn

使用sqldf：

library(sqldf)
# Two alternatives:
sqldf('SELECT *
      FROM df 
      WHERE name = "Tom" OR name = "Lynn"')
sqldf('SELECT *
      FROM df 
      WHERE name IN ("Tom", "Lynn")')

Answer 4

 by_type_year_tag_filtered <- by_type_year_tag %>%
      dplyr:: filter(tag_name %in% c("dplyr", "ggplot2"))

在dplyr中的字符串列上过滤多个值

4 个答案: