作者Wush978 (拒看低質媒體)
看板R_Language
標題Re: [問題] 擷取data.frame中的特定資料
時間Tue Jan 13 21:44:05 2015
關於資料整理，我很想推dplyr這個套件，
以及magrittr所導入的pipeline語法。
借你的問題來跟大家分享一下如何用dplyr來解決這種問題
: 各位大大好，小弟在做coursera的作業時有一題要求把
: 一個給定的data.frame（叫做airquality）中某兩個向
: 量（Ozone和Temp）分別大於31和90時的第三個向量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
```
前兩行載入資料和dplyr。
dplyr對於表格化的物件，如：
data.frame
data.table （當資料量大的時候，好用的套件）
SQL database 中的table
提供了一致的「動作」來作資料整理。
常用的有：
選行: select, 同SQL select
選列: filter, 同SQL where
排序: arrange, 同SQL sort by
取獨特值: distinct, 同SQL distinct
更動值: mutate, 同SQL update
總結: summarise (可搭配group_by使用，類似SQL group by)
這裡第三行
filter(airquality, !is.na(Ozone), !is.na(Temp))
表示從airquality中取出Ozone和Temp不是NA的列出來
第三行最後面的`%>%`是magrittr套件（dplyr會自動幫你載入它）
導入的一種`pipeline`方式的寫法。
他的功能在於，把前面的輸出結果，放到下一個函數的第一個參數
舉例來說，原本我們要這樣寫：
df1 <- filter(airquality, !is.na(Ozone), !is.na(Temp))
df2 <- filter(df1, Ozone > 31, Temp > 90)
懶惰的人如我，可能會寫成
filter(filter(airquality, !is.na(Ozone), !is.na(Temp)),
Ozone > 31, Temp > 90)
這樣可以略過中間的暫存變數df1，但是程式碼也變醜了
透過`%>%`，我們可以把上面兩行改成：
filter(airquality, !is.na(Ozone), !is.na(Temp)) %>% # df1
filter(Ozone > 31, Temp > 90) # filter(df1, ...)
不但可以略過暫存變數，同時程式碼仍然看起清楚
最後利用`%>%`和`[[`達到取出行變數Solar.R
再用mean算出平均值。
這裡順便跟大家宣導一個小概念：
R 中所有的東西都是「函數」，包含airquality[["Solar.R"]]這種語法，
實際上是`[[`(airquality, "Solar.R")
利用這樣的概念，再搭配`%>%`的威力，程式碼就寫的更爽了
: 後來我有發現可以用：
: attach(data)
: sub <- subset(data,Ozone > 31 & Temp > 90)
: summary(sub)
: 的方式求出Solar.R在符合上述兩個條件之下的平均值。
: 但一開始只是直覺地想要用for loop暴力算，但沒成功，
: 想問板上是否可以用迴圈的方式算出來？以下是自己嘗試
: 的程式碼，附帶一提：
: data[,1]是Ozone
: data[,2]是Solar.R
: data[,4]是Temp
: [程式範例]:
: add <- 0
: count <- 0
: for(i in 1:153){
: if(data[i,1]>31 & data[i,4]>90)
: add <- add + data[i,2] #把符合條件的Temp值累加
: count <- count + 1
: }
: mean <- add/count
: 這裏遇到的問題是data[,1]含有NA值，所以我想把有NA值
: 的資料刪掉，於是先跑這個for loop：
: for(i in 1:153){
: if(is.na(hw2[i,1]))
: hw2[i,] <- NULL
: }
: 結果：
: 錯誤在`[<-.data.frame`(`*tmp*`, i, , value = NULL) :
: replacement has 0 items, need 6
: 不知道是類型不一樣，NULL不能隨便套用還是其他原因，
: 總之先感謝各位大大把這篇看完QQ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.161.35.149
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1421156648.A.15C.html
2F：→ Wush978: 年會的影片有對dplyr做更詳細和更精彩的介紹FYI 01/13 21:45
3F：推 ntme: GOOD! 01/13 21:55
5F：→ Wush978: 感謝提供cheatsheets，收入置底資源區 01/13 22:08
6F：推 memphis: 為什麼不使用 summarise(mean(Solar.R)) ? 01/13 22:11
7F：→ Wush978: 因為一時沒想到，謝謝補充。ps.兩種方式輸出的格式不同 01/13 22:27
8F：推 ToastCheng: 太感謝了～想不到還能多學兩招 01/13 22:55
9F：推 obarisk: 原po想玩迴圈，應該用cpp做範例的XD 01/13 23:00
10F：→ Wush978: 只好麻煩樓上了（推） 01/13 23:01
11F：→ obarisk: magrittr裡面有包一些取代[[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: 實用！ 01/15 08:15
15F：推 hyekyo0608: 真的很感謝Wush大，總是說明得很清楚!推推推 07/06 17:02