作者Wush978 (拒看低质媒体)
看板R_Language
标题Re: [问题] 撷取data.frame中的特定资料
时间Tue Jan 13 21:44:05 2015
关於资料整理，我很想推dplyr这个套件，
以及magrittr所导入的pipeline语法。
借你的问题来跟大家分享一下如何用dplyr来解决这种问题
: 各位大大好，小弟在做coursera的作业时有一题要求把
: 一个给定的data.frame（叫做airquality）中某两个向
: 量（Ozone和Temp）分别大於31和90时的第三个向量Solar.R
: 的平均值是多少？
```r
attach(airquality)
library(dplyr)
filter(airquality, !is.na(Ozone), !is.na(Temp)) %>%
filter(Ozone > 31, Temp > 90) %>%
`[[`("Solar.R") %>% mean
```
前两行载入资料和dplyr。
dplyr对於表格化的物件，如：
data.frame
data.table （当资料量大的时候，好用的套件）
SQL database 中的table
提供了一致的「动作」来作资料整理。
常用的有：
选行: select, 同SQL select
选列: filter, 同SQL where
排序: arrange, 同SQL sort by
取独特值: distinct, 同SQL distinct
更动值: mutate, 同SQL update
总结: summarise (可搭配group_by使用，类似SQL group by)
这里第三行
filter(airquality, !is.na(Ozone), !is.na(Temp))
表示从airquality中取出Ozone和Temp不是NA的列出来
第三行最後面的`%>%`是magrittr套件（dplyr会自动帮你载入它）
导入的一种`pipeline`方式的写法。
他的功能在於，把前面的输出结果，放到下一个函数的第一个参数
举例来说，原本我们要这样写：
df1 <- filter(airquality, !is.na(Ozone), !is.na(Temp))
df2 <- filter(df1, Ozone > 31, Temp > 90)
懒惰的人如我，可能会写成
filter(filter(airquality, !is.na(Ozone), !is.na(Temp)),
Ozone > 31, Temp > 90)
这样可以略过中间的暂存变数df1，但是程式码也变丑了
透过`%>%`，我们可以把上面两行改成：
filter(airquality, !is.na(Ozone), !is.na(Temp)) %>% # df1
filter(Ozone > 31, Temp > 90) # filter(df1, ...)
不但可以略过暂存变数，同时程式码仍然看起清楚
最後利用`%>%`和`[[`达到取出行变数Solar.R
再用mean算出平均值。
这里顺便跟大家宣导一个小概念：
R 中所有的东西都是「函数」，包含airquality[["Solar.R"]]这种语法，
实际上是`[[`(airquality, "Solar.R")
利用这样的概念，再搭配`%>%`的威力，程式码就写的更爽了
: 後来我有发现可以用：
: attach(data)
: sub <- subset(data,Ozone > 31 & Temp > 90)
: summary(sub)
: 的方式求出Solar.R在符合上述两个条件之下的平均值。
: 但一开始只是直觉地想要用for loop暴力算，但没成功，
: 想问板上是否可以用回圈的方式算出来？以下是自己尝试
: 的程式码，附带一提：
: data[,1]是Ozone
: data[,2]是Solar.R
: data[,4]是Temp
: [程式范例]:
: add <- 0
: count <- 0
: for(i in 1:153){
: if(data[i,1]>31 & data[i,4]>90)
: add <- add + data[i,2] #把符合条件的Temp值累加
: count <- count + 1
: }
: mean <- add/count
: 这里遇到的问题是data[,1]含有NA值，所以我想把有NA值
: 的资料删掉，於是先跑这个for loop：
: for(i in 1:153){
: if(is.na(hw2[i,1]))
: hw2[i,] <- NULL
: }
: 结果：
: 错误在`[<-.data.frame`(`*tmp*`, i, , value = NULL) :
: replacement has 0 items, need 6
: 不知道是类型不一样，NULL不能随便套用还是其他原因，
: 总之先感谢各位大大把这篇看完QQ
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.161.35.149
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1421156648.A.15C.html
2F：→ Wush978: 年会的影片有对dplyr做更详细和更精彩的介绍FYI 01/13 21:45
3F：推 ntme: GOOD! 01/13 21:55
5F：→ Wush978: 感谢提供cheatsheets，收入置底资源区 01/13 22:08
6F：推 memphis: 为什麽不使用 summarise(mean(Solar.R)) ? 01/13 22:11
7F：→ Wush978: 因为一时没想到，谢谢补充。ps.两种方式输出的格式不同 01/13 22:27
8F：推 ToastCheng: 太感谢了～想不到还能多学两招 01/13 22:55
9F：推 obarisk: 原po想玩回圈，应该用cpp做范例的XD 01/13 23:00
10F：→ Wush978: 只好麻烦楼上了（推） 01/13 23:01
11F：→ obarisk: magrittr里面有包一些取代[[的function 01/13 23:02
12F：推 mnhjlopi: 推 01/14 15:15
13F：推 squallscer: 好文章！ 推 01/14 20:04
14F：推 nh2: 实用！ 01/15 08:15
15F：推 hyekyo0608: 真的很感谢Wush大，总是说明得很清楚!推推推 07/06 17:02