在 dplyr 中过滤字符串列上的多个值

Question

我有一个data.frame，其中一列中有字符数据。 我想从同一列中过滤data.frame 中的多个选项。有没有一种我想念的简单方法来做到这一点？

示例： data.frame 姓名 = dat

days      name
88        Lynn
11          Tom
2           Chris
5           Lisa
22        Kyla
1          Tom
222      Lynn
2         Lynn

例如，我想过滤掉 Tom 和 Lynn。
当我这样做时：

target <- c("Tom", "Lynn")
filt <- filter(dat, name == target)

我收到此错误：

longer object length is not a multiple of shorter object length

Answer 1

你需要%in% 而不是==：

library(dplyr)
target <- c("Tom", "Lynn")
filter(dat, name %in% target)  # equivalently, dat %>% filter(name %in% target)

生产

  days name
1   88 Lynn
2   11  Tom
3    1  Tom
4  222 Lynn
5    2 Lynn

要了解原因，请考虑这里发生的情况：

dat$name == target
# [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

基本上，我们将两个长度的target 向量循环四次以匹配dat$name 的长度。换句话说，我们正在做：

 Lynn == Tom
  Tom == Lynn
Chris == Tom
 Lisa == Lynn
 ... continue repeating Tom and Lynn until end of data frame

在这种情况下，我们没有收到错误，因为我怀疑您的数据框实际上有不同数量的不允许回收的行，但您提供的示例确实有（8 行）。如果样本有奇数行，我会得到和你一样的错误。但即使回收工作，这显然不是你想要的。基本上，声明dat$name == target 相当于说：

为每个等于“Tom”的奇数值或每个等于“Lynn”的偶数值返回TRUE。

碰巧您的示例数据框中的最后一个值是偶数并且等于“Lynn”，因此是上面的TRUE。

相比之下，dat$name %in% target 说：

对于dat$name 中的每个值，检查它是否存在于target。

非常不同。结果如下：

[1]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE

注意你的问题与dplyr无关，只是==的误用。

Answer 2

这可以使用 CRAN 中提供的 dplyr 包来实现。实现这一点的简单方法：

1. 安装dplyr 包。
2. 运行以下代码

library(dplyr) 

df<- select(filter(dat,name=='tom'| name=='Lynn'), c('days','name))

解释：

所以，一旦我们下载了 dplyr，我们就可以使用这个包中的两个不同的函数来创建一个新的数据框：

filter：第一个参数是数据框；第二个参数是我们希望它子集化的条件。结果是整个数据框只有我们想要的行。 select：第一个参数是数据框；第二个参数是我们想要从中选择的列的名称。我们不必使用 names() 函数，甚至不必使用引号。我们只是将列名作为对象列出。

Answer 3

使用base 包：

df <- data.frame(days = c(88, 11, 2, 5, 22, 1, 222, 2), name = c("Lynn", "Tom", "Chris", "Lisa", "Kyla", "Tom", "Lynn", "Lynn"))

# Three lines
target <- c("Tom", "Lynn")
index <- df$name %in% target
df[index, ]

# One line
df[df$name %in% c("Tom", "Lynn"), ] 

输出：

  days name
1   88 Lynn
2   11  Tom
6    1  Tom
7  222 Lynn
8    2 Lynn

使用sqldf：

library(sqldf)
# Two alternatives:
sqldf('SELECT *
      FROM df 
      WHERE name = "Tom" OR name = "Lynn"')
sqldf('SELECT *
      FROM df 
      WHERE name IN ("Tom", "Lynn")')

Answer 4

 by_type_year_tag_filtered <- by_type_year_tag %>%
      dplyr:: filter(tag_name %in% c("dplyr", "ggplot2"))