使用 Dplyr 按 R 中的多个条件过滤数据

在本文中，我们将学习如何使用 dplyr 包在 R 编程语言中通过多种条件过滤数据帧。

filter()函数用于生成数据框的子集，保留满足指定条件的所有行。 R 编程语言中的 filter() 方法可以应用于分组和未分组的数据。表达式包括运算符（==，>，> =），逻辑运算符（＆，|！，XOR（）），运算符范围（（）之间，邻近（））以及NA值检查针对列值.子集数据帧必须保留在单独的变量中。

方法一：直接使用filter()

为此，只需将要检查的条件传递给过滤器函数，该函数自动检查数据框并检索满足条件的行。

Syntax: filter(df , condition)

Parameter :

df:  The data frame object

condition: filtering based upon this condition

示例：使用 filter()函数过滤行的 R 程序

R

library(dplyr)
  
# sample data
df=data.frame(x=c(12,31,4,66,78),
              y=c(22.1,44.5,6.1,43.1,99),
              z=c(TRUE,TRUE,FALSE,TRUE,TRUE))
  
# condition
filter(df, x<50 & z==TRUE)

输出：

x    y    z
1 12 22.1 TRUE
2 31 44.5 TRUE

方法 2：在 filter() 中使用 %>%

这种方法被认为是一种 使用更清洁的方法 大量条件，因为使用 %>% 引用数据帧，然后通过 filter()函数应用条件。

Syntax: df  %>%  filter ( condition )

Parameter: 

df:  The data frame object

condition:  filtering based upon this condition

示例：使用 %>% 过滤的 R 程序 

电阻

library(dplyr)
  
df=data.frame(x=c(12,31,4,66,78),
              y=c(22.1,44.5,6.1,43.1,99),
              z=c(TRUE,TRUE,FALSE,TRUE,TRUE))
  
df %>%
  filter(y < 45, z != FALSE)

输出：

x    y    z
1 12 22.1 TRUE
2 31 44.5 TRUE
3 66 43.1 TRUE

方法 3：将 NA 与 filter() 一起使用

is.na（）函数接受的值，并且如果它是一个NA值，并返回FALSE，如果它不是一个NA值返回TRUE。

Syntax: df %>% filter(!is.na(x))

Parameters:

is.na(): reqd to check whether the value is NA or not

x: column of dataframe object.

示例：使用 NA 过滤数据帧的 R 程序

电阻

library(dplyr)
  
df=data.frame(x=c(12,31,NA,NA,NA),
              y=c(22.1,44.5,6.1,10,99),
              z=c(TRUE,TRUE,FALSE,TRUE,TRUE))
  
df %>% filter(!is.na(x))

输出：

x    y    z
1 12 22.1 TRUE
2 31 44.5 TRUE

方法 4：使用 ' %in%' o运算符和 filter()

%in%运算符用于仅过滤掉包含向量中提供的数据的列。

Syntax: filter( column %in% c(“data1”, “data2″….”data N” ))

Paramaters: 

column: column name of the dataframe

c(“data1”, “data2″….”data N”): A vector containing the names of data to be found and printed.

示例：使用 %in% 过滤数据框的 R 程序 

电阻

library(dplyr)
  
df=data.frame(x=c(12,31,10,2,99),
              y=c(22.1,44.5,6.1,10,99),
              z=c("Apple","Guava", "Mango", "Apple","Mango"))
  
df %>% 
 filter(z %in% c("Apple", "Mango"))

输出：

x    y     z
1 12 22.1 Apple
2 10  6.1 Mango
3  2 10.0 Apple
4 99 99.0 Mango