Filtrar datos.enmarcar filas por una condición lógica
Quiero filtrar filas de un data.frame basado en una condición lógica. Supongamos que tengo un marco de datos como
expr_value cell_type
1 5.345618 bj fibroblast
2 5.195871 bj fibroblast
3 5.247274 bj fibroblast
4 5.929771 hesc
5 5.873096 hesc
6 5.665857 hesc
7 6.791656 hips
8 7.133673 hips
9 7.574058 hips
10 7.208041 hips
11 7.402100 hips
12 7.167792 hips
13 7.156971 hips
14 7.197543 hips
15 7.035404 hips
16 7.269474 hips
17 6.715059 hips
18 7.434339 hips
19 6.997586 hips
20 7.619770 hips
21 7.490749 hips
Lo que quiero es obtener un nuevo marco de datos que se vea igual pero solo tenga los datos para un cell_type. Por ejemplo, subconjunto / seleccionar filas que contiene el tipo de celda "hesc":
expr_value cell_type
1 5.929771 hesc
2 5.873096 hesc
3 5.665857 hesc
O bien tipo de célula" fibroblasto bj "o"hesc":
expr_value cell_type
1 5.345618 bj fibroblast
2 5.195871 bj fibroblast
3 5.247274 bj fibroblast
4 5.929771 hesc
5 5.873096 hesc
6 5.665857 hesc
¿Hay alguna manera fácil de hacer esto?
He intentado:
expr[expr[2] == 'hesc']
# [1] "5.929771" "5.873096" "5.665857" "hesc" "hesc" "hesc"
Si se llama al marco de datos original "expr", pero da los resultados en un formato incorrecto como se puede ver.
7 answers
expr[expr$cell_type == "hesc", ]
expr[expr$cell_type %in% c("hesc", "bj fibroblast"), ]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2009-11-06 10:08:47
Use subset (para uso interactivo)
subset(expr, cell_type == "hesc")
subset(expr, cell_type %in% c("bj fibroblast", "hesc"))
O mejor dplyr::filter()
filter(expr, cell_type %in% c("bj fibroblast", "hesc"))
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2016-06-25 06:33:21
La razón por la que expr[expr[2] == 'hesc'] no funciona es que para un marco de datos, x[y] selecciona columnas, no filas. Si desea seleccionar filas, cambie a la sintaxis x[y,] en su lugar:
> expr[expr[2] == 'hesc',]
expr_value cell_type
4 5.929771 hesc
5 5.873096 hesc
6 5.665857 hesc
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2009-11-09 17:35:10
Puedes usar el paquete dplyr:
library(dplyr)
filter(expr, cell_type == "hesc")
filter(expr, cell_type == "hesc" | cell_type == "bj fibroblast")
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2014-09-04 13:12:25
A veces la columna que desea filtrar puede aparecer en una posición diferente a la columna índice 2 o tener un nombre de variable.
En este caso, simplemente puede referirse al nombre de la columna que desea filtrar como:
columnNameToFilter = "cell_type"
expr[expr[[columnNameToFilter]] == "hesc", ]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2017-08-10 14:16:52
Nadie parece haber incluido la función which. También puede resultar útil para filtrar.
expr[which(expr$cell == 'hesc'),]
Esto también manejará el NAS y los soltará del dataframe resultante.
Ejecutando esto en un 9840 por 24 dataframe 50000 veces, parece que el método which tiene un tiempo de ejecución 60% más rápido que el método %in%.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2018-07-18 15:14:13
Estaba trabajando en un dataframe y no tenía suerte con las respuestas proporcionadas, siempre devolvía 0 filas, así que encontré y usé grepl:
df = df[grepl("downlink",df$Transmit.direction),]
Que básicamente recortó mi dataframe a solo las filas que contenían "enlace descendente" en la columna de dirección de transmisión. PD Si alguien puede adivinar por qué no veo el comportamiento esperado, por favor deje un comentario.
Específicamente a la pregunta original:
expr[grepl("hesc",expr$cell_type),]
expr[grepl("bj fibroblast|hesc",expr$cell_type),]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2018-07-06 21:46:29