按行提取子集：选择行、删除行，对行排序。

先创建一个包含重复行的数据框：

set.seed(896)
sw_dup <-
  starwars %>%
  select(-(films:starships)) %>%  
  sample_n(100, replace=TRUE)
sw_dup

一. 对行排序

用 dplyr 包中的 arrange() 对行排序，默认是递增。

sw_dup %>%
  arrange(name, gender)

若要递减排序，套一个 desc()：

sw_dup %>%
  arrange(desc(mass))  # 递减排序

二. 删除重复行

用 dplyr 包中的 distinct() 删除重复行（只保留第1个，删除其余）。

sw_dup %>%
  distinct() %>%
  glimpse() %>%
  anyDuplicated()  # 查看重复行数

也可以只根据某些列判定重复：

sw_dup %>%
  distinct(species, homeworld) %>%     # 只根据 species 和 homeworld 判定重复
  glimpse() %>%
  anyDuplicated()

注：默认只返回选择的列，要返回所有列，需要设置参数 .keep_all=TRUE.

用 tidyr 包中的 drop_na() 删除所有包含 NA 的行：

sw_dup %>%
  drop_na() %>%
  glimpse() %>%
  anyNA()

也可以只删除某些列包含 NA 的行：

sw_dup %>%
  drop_na(gender:species) %>%
  glimpse() %>%
  anyNA()

2. 用 filter() 根据值或条件选择行

sw_dup %>%   
  filter(species == "Human", homeworld != "Earth")

注：多个条件之间用“,”隔开，相当于 and.

sw_dup %>%
  filter(species == "Human", (is.na(mass) | height > 180))

sw_dup %>%
  filter(between(height, 100, 170))

3. 在限定列范围内根据条件选择行

结合变量选择器： vars(), any_vars() （存在）, all_vars() （所有）以及类型判断函数 is.numeric(), is.factor() 等，可以在限定列范围内，根据条件选择行。

（1）filter_all(): 在所有这样的列范围内，选择行

选出所有列范围内，存在值包含 "bl" 的行

sw_dup %>% 
  filter_all(any_vars(str_detect(., pattern="bl")))

选出所有列范围内，存在值 >7.5 的行

iris[,1:4] %>%
  as_tibble() %>%  
  filter_all(any_vars(. > 7.5))

选出所有列范围内，所有值均 >2.4 的行

iris[,1:4] %>%
  as_tibble() %>%
  filter_all(all_vars(. > 2.4))

（2）filter_if()：满足条件的列范围内，选择行

从字符列范围内，选择包含 NA 的行：

sw_dup %>% 
  filter_if(is.character, any_vars(is.na(.)))

（3）filter_at()：在某些列范围内，选择行

在包含 "Sepal" 的列范围内，选择存在值 > 4 的行：

iris[,1:4] %>%
  as_tibble() %>%
  filter_at(vars(contains("Sepal")), all_vars(. > 4))

Desi Quintans, Jeff Powell. Working in the Tidyverse. http://www.hiercourse.com/
SuZan. Data Wrangling Part 3: Basic and more advanced ways to filter rows. https://suzan.rbind.io/2018/02/dplyr-tutorial-3/
Garrett Grolemund, Hadley Wickham. R for Data Science. https://r4ds.had.co.nz/

____________________________________

转载请注明，禁止用于出版。