Фільтрування та відбір даних

Tidyverse — це набір пакетів R, розроблених для науки про дані, які поділяють спільну філософію, граматику та структури даних. Основний пакет для обробки даних у цьому пакеті називається dplyr.

dplyr представляє набір функцій ("дієслів"), які роблять маніпуляцію кадрами даних дуже інтуїтивно зрозумілою.

Оператор труби (%>% або |>)

Філософія Tidyverse зосереджена на об’єднанні операцій. Оператор каналу %>% (або власний канал |>, представлений у R 4.1+) приймає результат одного виразу та передає його як перший аргумент до наступної функції. Це дозволяє уникнути викликів вкладених функцій і перешкоджає захаращенню робочого простору тимчасовими змінними.

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

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

dplyr Дієслова для фільтрації та вибору

Три основні дієслова для вилучення даних із кадру даних:

1. select()

Вибирає певні стовпці з кадру даних. Ви можете вказати назви стовпців, які потрібно зберегти, або використати префікс -, щоб виключити стовпці.

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

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

2. filter()

Фільтрує рядки на основі однієї або кількох логічних умов.

# 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()

Сортує рядки на основі значень одного або кількох стовпців. За замовчуванням порядок сортування є зростаючим. Щоб відсортувати в порядку спадання, загорніть назву стовпця в desc().

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

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

Спробуйте самі

Вправа 1: Виберіть стовпці