如何在我的数据集中分别过滤男性和女性（使用 r）？答案

【问题标题】：How do I filter male and female separately in my data set (using r)?如何在我的数据集中分别过滤男性和女性（使用 r）？
【发布时间】：2019-09-04 23:30:05
【问题描述】：

我有一个 .csv 格式的 excel 表加载到 r 中。我想按男性和女性过滤我的数据，但是当我尝试时我无法弄清楚。我的列标题是男性/女性和尺寸 (mm)，因此我的数据列出了 M 或 F 和数字。

我试过说

Male <- Male/Female %>% filter(M);
Male <- Male/Female %>% filter(Male/Female <= M)

等等。我不确定我做错了什么。

Screenshot of what my current error messages look like, along with what I have so far

Screenshot of the majority of the data table that I'm trying to work with and filter

【问题讨论】：

请不要发布代码/数据/错误的图像：它不能被复制或搜索 (SEO)，它会破坏屏幕阅读器，并且它可能不适合某些移动设备。参考：meta.stackoverflow.com/a/285557/3358272（和xkcd.com/2116）。请直接包含代码或数据（例如，dput(head(x)) 或 data.frame(...)）。
Male/Female 不是一个普通的变量名，通常不受欢迎；但是如果你坚持使用它，你必须在它周围使用反引号才能使用它。我不知道flter 是什么，也许你的意思是filter？相等测试需要双等号==，而不是单等号= 的赋值。使用dplyr 时，需要在somewhere 中指定数据框（FrogData）。字符串的比较必须使用实际的字符串如"M"，需要引号。也许filter(FrogData, Male/Female` == "M")`？
我敦促您学习如何使用dplyr，无论是通过您的课程（我在做一个假设）还是在线教程。我会从dplyr.tidyverse.org 开始，也许试试vignette("dplyr")，然后寻找其他基于tidyverse 的教程和howtos。
@r2evans：您的第二条评论指出了一个比任何适合 dplyr/magrittr 研究的问题都更为基本的问题。这个人不懂基本的 R 语法。需要学习有效对象名称的规则。我认为 dplyr 的作用是掩盖这种理解。过早引入的 NSE 使人们对 R 中的句法问题感到困惑。
我完全同意，@42-，感谢您指出这一点。通常我不知道如何恰当地说某人对 R 语法的掌握显然缺少一些关键概念。我已经阅读了许多关于/反对使用dplyr（和朋友）作为进入 R 的门户的讨论，虽然我同意一些专业人士的观点，但我认为你关于 NSE 模糊事物的观点很突出（data.table 也是)。

标签： r filter

【解决方案1】：

使用方括号进行行和列选择。

# dataframe with one column and four rows
df <- data.frame(sex = c('M', 'F', 'M', 'M'))

# filter to keep only men, keeping all columns
df[df$sex == 'M', ]

输出：

[1] M M M
Levels: F M

如果你喜欢 dplyr/magrittr：

df %>%
    filter(sex == 'M')

【讨论】：

【解决方案2】：

创建可重现的示例将帮助您更快地获得帮助。在这里，我将向您展示如何使用一些简单的数据来做到这一点。

创建假数据：

library(tibble)
frogData <- tribble(
  ~`Male/Female`, ~`Size(mm)`, 
  "M", 88.1, 
  "M", 96.7,
  "F", 90.7,
  "F", 89.4
)

我可以在您的代码中看到几个问题。首先，在使用 dplyr 语法和管道时，您需要了解哪些对象要去哪里。这种情况下可以理解为：

`new object` <- `existing object` %>% `function`.

另一个问题是您的原始数据具有非标准变量名称，这些变量名称需要包含在反引号中才能在 R 中使用。为了使事情更简单，通常最好重命名这些变量。完成后，将数据过滤为仅包含男性记录就很简单了。注意使用== 来测试相等语句，= 用于赋值（如<-）

library(dplyr)
# Rename variables
frogData <- frogData %>% 
  rename(sex = `Male/Female`, 
         size = `Size(mm)`)

# Create dataset with only males
Male <- frogData %>% 
  filter(sex == "M")

【讨论】：