Фильтрация и выбор данных

Tidyverse — это набор пакетов R, предназначенных для науки о данных, которые имеют общую философию, грамматику и структуры данных. Основной пакет для манипулирования данными в этом пакете называется dplyr.

dplyr представляет набор функций («глаголов»), которые делают манипулирование фреймами данных интуитивно понятным.

Оператор трубопровода (%>% или |>)

Философия Tidyverse сосредоточена на объединении операций. Оператор канала %>% (или собственный канал |>, представленный в R 4.1+) принимает результат одного выражения и передает его в качестве первого аргумента следующей функции. Это позволяет избежать вызовов вложенных функций и не загромождает ваше рабочее пространство временными переменными.

# Without pipe:
filter(select(df, name, age), age > 20)

# With pipe:
df %>%
  select(name, age) %>%
  filter(age > 20)

dplyr Глаголы для фильтрации и выбора

Три основных глагола для извлечения данных из фрейма данных:

1. select()

Выбирает определенные столбцы из фрейма данных. Вы можете перечислить имена столбцов, которые нужно сохранить, или использовать префикс - для исключения столбцов.

# Select the 'name' and 'salary' columns
select(df, name, salary)

# Remove the 'address' column
select(df, -address)

2. filter()

Фильтрует строки на основе одного или нескольких логических условий.

# Filter rows where age is greater than 30
filter(df, age > 30)

# Filter using multiple conditions (logical AND)
filter(df, age > 30, department == "HR")

3. arrange()

Сортирует строки на основе значений одного или нескольких столбцов. По умолчанию порядок сортировки — по возрастанию. Для сортировки по убыванию оберните имя столбца в desc().

# Sort by age (ascending)
arrange(df, age)

# Sort by salary (descending)
arrange(df, desc(salary))

Попробуйте сами

Упражнение 1. Выбор столбцов