其中,filter_at()函数是dplyr包中的一个函数,用于根据指定的条件筛选数据框中的行。 filter_at()函数的基本语法如下: filter_at(.data, .vars, .predicate, ...) 参数说明: .data:要筛选的数据框。 .vars:要筛选的变量名或变量位置的列表。 .predicate:一个逻辑表达式,用于指定筛选条件。 ...:其他参数,...
> 5)) %>% print(n = 3) iris_df %>% filter_at(c("Petal.Length", "Sepal.Length"), any_vars(. > 0)) %>% print(n = 3) iris_df %>% filter_at(vars(Petal.Length, Sepal.Length), any_vars(. > 0)) %>% print(n = 3) iris_df %>% filter_if(is.numeric, all_vars(. ...
利用dplyr包中的函数更高效的数据清洗、数据分析,及为后续数据建模创造环境;本篇涉及到的函数为filter、filter_all()、filter_if()、filter_at()、mutate、group_by、select、summarise。 1、数据筛选函数: #可使用filter()函数筛选/查找特定条件的行或者样本 #filter(.data=,condition_1,condition_2)#将返回相匹...
即将发布的dplyr 0.6（现在可以从GitHub安装）有filter_at，它可以用来过滤任何值大于或等于2的行，然后...
tbl_df %>% filter_if(~min(.)>1,~.>3) # 结果同上 ## # A tibble: 2 x 3 ## var1 var2 var3 ## <int> <int> <int> ## 1 3 4 5 ## 2 4 5 6 # 指定列 tbl_df %>% filter_at(c(1,2),all_vars(.>3)) # 指定列取交集 ...
filter(.data, ...) filter_all(.tbl, .vars_predicate) filter_if(.tbl, .predicate, .vars_predicate) filter_at(.tbl, .vars, .vars_predicate) #提取夏季的LST LST_g %>% filter(Season=='夏季') # NAME Season lst 1 阅江楼 夏季 39.23597 ...
filter(iris, Sepal.Length %in% c(5,6)) 如果以为dplyr包只能对特定列进行操作那就错了!其对filter函数进行了补充,主要是filter_all,filter_at,filter_if三个函数,如筛选所有列中观测值都大于6的行 filter_all(mtcars, all_vars(. > 0)) 或者只有某一列中的观测值大于100即可 ...
summarise_at(vars(Y2011:Y2015), funs(n(), mean(., na.rm=TRUE))) 1. 2. 实例25:过滤分类变量中的数据 假设您需要从“A”,“C”和“I”类别的变量索引中抽取前两行。 AI检测代码解析 mydata %>% filter(Index %in% c("A","C","I"))%>% group_by(Index)%>% ...
如果以为dplyr包只能对特定列进行操作那就错了!其对filter函数进行了补充,主要是filter_all,filter_at,filter_if三个函数,如筛选所有列中观测值都大于6的行 filter_all(mtcars, all_vars(. > 0)) 或者只有某一列中的观测值大于100即可 filter_all(mtcars, any_vars(. > 100)) ...
最后我们可以使用 filter 函数,根据一个或多个逻辑数组(或生成 逻辑数组的判断函数)筛选观测值。此外我们还可以使用 mutate_all、 mutate_at、mutate_if 函数,对所有变量、对某些变量、对满足特定 条件的变量,按照特定的判断函数进行筛选。此时我们除了使用常规 的比较运算函数(如<、>、==等)、逻辑运算函数(如&、...