本文首发于“生信补给站”公众号 https://mp.weixin.qq.com/s/l9Ci7wREQWpEV5dTvKuoHg
上篇根据 msleep数据集，介绍了列的操作，盘一盘Tidyverse| 筛行选列之select，玩转列操作
本文盘一盘行的筛选
一 载入R包，数据
#载入R包 #install.packages("tidyverse") library("tidyverse") #查看内置数据集 head(msleep,2) dim(msleep) #[1] 83 11
本示例数据集很小，实际中数据量很大，可以根据使用filter()函数筛选出后续需要的“行”子集。
二 基于数值变量筛选
基于数值，根据 >, >=, <, <=, == 和 !=完成筛选
1 筛选sleep_total 大于 18
msleep %>% select(name, sleep_total) %>% filter(sleep_total > 18) %>% head(2) # A tibble: 2 x 2 name sleep_total <chr> <dbl> 1 Big brown bat 19.7 2 Thick-tailed opposum 19.4
2 筛选sleep_total在16和18之间
可以filter(sleep_total >= 16, sleep_total <= 18)，也可以使用between函数
msleep %>% select(name, sleep_total) %>% filter(between(sleep_total, 16, 18)) %>% head(2) # A tibble: 2 x 2 name sleep_total <chr> <dbl> 1 Owl monkey 17 2 Long-nosed armadillo 17.4
3 筛选 均值+-3sd 范围内
near()选择”中心值“，tol()设定范围，可以是值，可以是函数 msleep %>% select(name, sleep_total) %>% filter(near(sleep_total, mean(sleep_total), tol = 3*sd(sleep_total))) %>% head(2) # A tibble: 83 x 2 name sleep_total <chr> <dbl> 1 Cheetah 12.1 2 Owl monkey 17
三 基于变量名字筛选
上面主要是根据数值，此处主要根据字符串进行筛选
1 单个变量筛选
msleep %>% select(order, name, sleep_total) %>% filter(order == "Didelphimorphia") ## # A tibble: 2 x 3 ## order name sleep_total ## <chr> <chr> <dbl> ## 1 Didelphimorphia North American Opossum 18.0 ## 2 Didelphimorphia Thick-tailed opposum 19.4
不等于方式：filter(order != "Rodentia")
2 多个变量筛选
%in%实现多个变量选择
msleep %>% select(order, name, sleep_total) %>% filter(order %in% c("Didelphimorphia", "Diprotodontia")) # A tibble: 4 x 3 order name sleep_total <chr> <chr> <dbl> 1 Didelphimorphia North American Opossum 18 2 Didelphimorphia Thick-tailed opposum 19.4 3 Diprotodontia Phalanger 13.7 4 Diprotodontia Potoroo 11.1
注意区分，此处 !%in%无作用！需要在order前面加“！”
msleep %>% select(order, name, sleep_total) %>% filter(! order %in% c("Didelphimorphia", "Diprotodontia")) # A tibble: 79 x 3 order name sleep_total <chr> <chr> <dbl> 1 Carnivora Cheetah 12.1 2 Primates Owl monkey 17
3 正则匹配实现筛选
两个主要函数：基础包的 grepl() 函数, stringr 包的 str_detect() 函数
msleep %>% select(name, sleep_total) %>% filter(str_detect(tolower(name), pattern = "mouse")) # A tibble: 5 x 2 name sleep_total <chr> <dbl> 1 Vesper mouse 7 2 House mouse 12.5
注意：正则匹配时，R区分大小写！
四 基于逻辑筛选
主要筛选方式：
filter(condition1, condition2)两个条件都符合；filter(condition1, !condition2)条件1是TRUE，条件2是FALSE；filter(condition1 | condition2)两个条件符合其中一个即可；filter(xor(condition1, condition2)只有一个条件符合！两个都符合不可以。
1）筛选 (bodywt大于100 ) 且 (sleep_total大于15 或者 order不为Carnivora )
msleep %>% select(name, order, sleep_total:bodywt) %>% filter(bodywt > 100, (sleep_total > 15 | order != "Carnivora")) %>% head(2) # A tibble: 2 x 8 name order sleep_total sleep_rem sleep_cycle awake brainwt bodywt <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 1 Cow Artiodactyla 4 0.7 0.667 20 0.423 600 2 Asian elephant Proboscidea 3.9 NA NA 20.1 4.60 2547
额 ，一定要注意逻辑！多个条件可以用AND, OR ，NOT 组合。
筛选非空行
is.na内置完成 NA的筛选
#去除conservation是NA的所有行 msleep %>% select(name, conservation:sleep_cycle) %>% filter(!is.na(conservation)) # A tibble: 54 x 5 name conservation sleep_total sleep_rem sleep_cycle <chr> <chr> <dbl> <dbl> <dbl> 1 Cheetah lc 12.1 NA NA 2 Mountain beaver nt 14.4 2.4 NA
五 跨多列筛选
主要筛选函数：
filter_all()所有列参与筛选，根据筛选条件筛选filter_if()逻辑判断确定哪些列参与筛选，根据筛选条件筛选filter_at()vars()函数定义哪些列参与筛选，根据筛选条件筛选
首先指定哪些列，然后确定筛选器的条件，多数情况下，需要.操作符引向待筛选的值。
1 filter_all()筛选所有行
#筛选name:order, sleep_total, -vore中，任何一列包含“Ca”的所有行 msleep %>% select(name:order, sleep_total, -vore) %>% filter_all(any_vars(str_detect(., pattern = "Ca"))) # A tibble: 16 x 4 name genus order sleep_total <chr> <chr> <chr> <dbl> 1 Cheetah Acinonyx Carnivora 12.1 2 Northern fur seal Callorhinus Carnivora 8.7
注：any_vars() 类似OR，all_vars()则类似AND
#筛选name, sleep_total:bodywt, -awake列中，所有列均大于1的所有行 msleep %>% select(name, sleep_total:bodywt, -awake) %>% filter_all(all_vars(. > 1)) # A tibble: 1 x 6 name sleep_total sleep_rem sleep_cycle brainwt bodywt <chr> <dbl> <dbl> <dbl> <dbl> <dbl> 1 Human 8 1.9 1.5 1.32 62
2 filter_if()筛选条件列
msleep %>% select(name:order, sleep_total:sleep_rem) %>% filter_if(is.character, any_vars(is.na(.))) # A tibble: 7 x 6 name genus vore order sleep_total sleep_rem <chr> <chr> <chr> <chr> <dbl> <dbl> 1 Vesper mouse Calomys NA Rodentia 7 NA 2 Desert hedgehog Paraechinus NA Erinaceomorpha 10.3 2.7
注：同样可以使用 is.numeric, is.integer, is.double, is.logical, is.factor判别，日期数据的话，可以加载 lubridate 包，使用 is.POSIXt 或者 is.Date.
3 filter_at()筛选条件列
优点：自定义待筛选的列，无需指定待筛选的列的类型
#筛选sleep_total, sleep_rem两个变量，所有值均大于5的行 msleep %>% select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% filter_at(vars(sleep_total, sleep_rem), all_vars(.>5)) # A tibble: 2 x 5 name sleep_total sleep_rem brainwt bodywt <chr> <dbl> <dbl> <dbl> <dbl> 1 Thick-tailed opposum 19.4 6.6 NA 0.37 2 Giant armadillo 18.1 6.1 0.081 60
当然也可以使用正则表达式
msleep %>% select(name, sleep_total:sleep_rem, brainwt:bodywt) %>% filter_at(vars(contains("sleep")), all_vars(.>5)) # A tibble: 2 x 5 name sleep_total sleep_rem brainwt bodywt <chr> <dbl> <dbl> <dbl> <dbl> 1 Thick-tailed opposum 19.4 6.6 NA 0.37 2 Giant armadillo 18.1 6.1 0.081 60
好了，筛选行大概介绍这么多，应该能解决大部分筛选问题。
