Lọc và chọn dữ liệu

Tidyverse là tập hợp các gói R được thiết kế cho khoa học dữ liệu có chung triết lý, ngữ pháp và cấu trúc dữ liệu. Gói cốt lõi để thao tác dữ liệu trong bộ phần mềm này được gọi là dplyr.

dplyr giới thiệu một tập hợp các hàm ("động từ") giúp thao tác với khung dữ liệu trở nên trực quan hơn.

Toán tử đường ống (%>% hoặc |>)

Triết lý Tidyverse tập trung vào việc xâu chuỗi các hoạt động lại với nhau. Toán tử đường ống %>% (hoặc đường ống gốc |> được giới thiệu trong R 4.1+) lấy kết quả của một biểu thức và chuyển nó làm đối số đầu tiên cho hàm tiếp theo. Điều này tránh các lệnh gọi hàm lồng nhau và tránh làm lộn xộn không gian làm việc của bạn với các biến tạm thời.

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

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

Động từ dplyr để lọc và chọn

Ba động từ cơ bản để trích xuất dữ liệu từ khung dữ liệu là:

1. select()

Chọn các cột cụ thể từ khung dữ liệu. Bạn có thể liệt kê tên cột để giữ lại hoặc sử dụng tiền tố - để loại trừ cột.

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

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

2. filter()

Lọc các hàng dựa trên một hoặc nhiều điều kiện logic.

# 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()

Sắp xếp các hàng dựa trên giá trị của một hoặc nhiều cột. Thứ tự sắp xếp tăng dần theo mặc định. Để sắp xếp theo thứ tự giảm dần, hãy bọc tên cột trong desc().

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

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

Hãy tự mình thử

Bài tập 1: Chọn cột