R Packages dplyr - filter | R包dplyr - filter

 

filter篩選的方式與寫法會比較複雜，除了一般篩選，也可以進行運算符、接近值篩選等等，創造出更多不同型態的數據資料。

基本語法

filter(dataset,   變量篩選條件..)

可以搭配的函數

• 比較運算符 `==`，`!=`，`>`，`<`，`>=`，`<=`
• 邏輯運算符 `&`，`|`，`!`，`xor()`
• 之間或接近值篩選 `between()`，`near()`

 

先載入dplyr

library(dplyr)

 

一部分會以Cyclistic數據集作演示，先載入看一下資料內容

# 載入數據

cyclistic_dplyr <- read.csv("combine_datas_clearn.csv")

dplyr_operate <- cyclistic_dplyr

# 檢視數據

r$> str(dplyr_operate) 'data.frame': 3876042 obs. of 16 variables: $ ride_id : chr "22178529" "22178530" "22178531" "22178532" ... $ started_at : chr "2019-04-01 00:02:22" "2019-04-01 00:03:02" "2019-04-01 00:11:07" "2019-04-01 00:13:01" ... $ ended_at : chr "2019-04-01 00:09:48" "2019-04-01 00:20:30" "2019-04-01 00:15:19" "2019-04-01 00:18:58" ... $ rideable_type : chr "6251" "6226" "5649" "4151" ... $ start_station_id : int 81 317 283 26 202 420 503 260 211 211 ... $ start_station_name : chr "Daley Center Plaza" "Wood St & Taylor St" "LaSalle St & Jackson Blvd" "McClurg Ct & Illinois St" ... $ end_station_id : int 56 59 174 133 129 426 500 499 211 211 ... $ end_station_name : chr "Desplaines St & Kinzie St" "Wabash Ave & Roosevelt Rd" "Canal St & Madison St" "Kingsbury St & Kinzie St" ... $ member_casual : chr "member" "member" "member" "member" ... $ year : int 2019 2019 2019 2019 2019 2019 2019 2019 2019 2019 ... $ month : chr "April" "April" "April" "April" ... $ week : chr "Monday" "Monday" "Monday" "Monday" ... $ day : int 1 1 1 1 1 1 1 1 1 1 ... $ hour : int 0 0 0 0 0 0 0 0 0 0 ... $ ride_length : int 446 1048 252 357 1007 257 548 383 2137 2120 ... $ ride_length_minutes: num 7.43 17.47 4.2 5.95 16.78 ...

一般篩選情形，篩選出會員是casual的

# 有兩種會員

unique(dplyr_operate$member_casual)

# 輸出結果

r$> unique(dplyr_operate$member_casual) [1] "member" "casual"

# 篩選出休閒會員

filter_casual <- filter(

    dplyr_operate,

    member_casual == "casual"

    )

unique(filter_casual$member_casual)

# 輸出結果

r$> unique(filter_casual$member_casual) [1] "casual"

需要注意的是”==”，單獨一個”=” R應該是判斷成變量位置而不是取值，會出現error，但是貼心的是error會詢問是否想這樣寫呢~修改就很快了

# 取值方式錯誤

error_df <- filter(

    dplyr_operate,

    member_casual = "casual"

    )

# 輸出結果出現錯誤

Error: Problem with `filter()` input `..1`. x Input `..1` is named. i This usually means that you've used `=` instead of `==`. i Did you mean `member_casual == "casual"`?

加入比較運算篩選條件，除了會員不是casual之外，騎行時間要超過30分鐘

# 加入比較運算符

filter_compare <- filter(

    dplyr_operate,

    member_casual != "casual",

    ride_length_minutes >= 30

)

# 確認篩選的正確性

max(filter_compare$ride_length_minutes)

min(filter_compare$ride_length_minutes)

unique(filter_compare$member_casual)

# 結果輸出

r$> max(filter_compare$ride_length_minutes) min(filter_compare$ride_length_minutes) unique(filter_compare$member_casual) [1] 150943.9 [1] 30 [1] "member"

加入邏輯運算篩選，篩選出星期一，騎行時間介於1~2分鐘

# 加入邏輯運算

filter_logic <- filter(

    dplyr_operate,

    week == "Monday",

    ride_length_minutes >= 1 & ride_length_minutes <= 2

)

# 結果輸出

r$> max(filter_logic$ride_length_minutes) min(filter_logic$ride_length_minutes) unique(filter_logic$week) [1] 2 [1] 1 [1] "Monday"

between函數語法

between(變數, 左邊範圍, 右邊範圍)

會找出在左右兩邊的中間所有值，範圍值是有包含設定值，也就是">="，"<="

下面篩選出騎行時間介於10~15分鐘的範圍

# between函數用法

filter_between <- filter(

    dplyr_operate,

    between(ride_length_minutes, 10, 15)

)

# 檢查條件範圍

max(filter_between$ride_length_minutes)

min(filter_between$ride_length_minutes)

# 結果輸出

r$> max(filter_between$ride_length_minutes) min(filter_between$ride_length_minutes) [1] 15 [1] 10

接下來的函數near()比較特別，R裡面計算小數點並不是無限，所以有可能造成值的偏差，這時就需要這個函數取接近值，如下所示

(1 / 2) * 2 == 1

[1] TRUE

(1 / 49) * 49 == 1

[1] FALSE

加入near()與接近值

near((1 / 49) * 49, 1)

r$> near((1 / 49) * 49, 1) [1] TRUE