Filtrar linhas data.frame por uma condição lógica

Eu quero filtrar linhas de uma com data.framebase em uma condição lógica. Vamos supor que eu tenha um quadro de dados 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

O que eu quero é obter um novo quadro de dados com a mesma aparência, mas que tenha apenas os dados para um cell_type. Por exemplo, subconjunto / seleção de linhas que contém o tipo de célula "hesc":

   expr_value     cell_type
1    5.929771          hesc
2    5.873096          hesc
3    5.665857          hesc

Ou o tipo de célula "fibroblasto bj" ou "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

Existe alguma maneira fácil de fazer isso?

Eu tentei:

expr[expr[2] == 'hesc']
# [1] "5.929771" "5.873096" "5.665857" "hesc"     "hesc"     "hesc"    

se o quadro de dados original for chamado "expr", mas fornecer os resultados no formato errado, como você pode ver.

Para selecionar linhas de acordo com um 'cell_type' (por exemplo, 'hesc'), use ==:

expr[expr$cell_type == "hesc", ]

Para selecionar linhas de acordo com dois ou mais 'cell_type' diferentes (por exemplo, 'hesc' ou 'bj fibroblast'), use %in%:

expr[expr$cell_type %in% c("hesc", "bj fibroblast"), ]

Use subset(para uso interativo)

subset(expr, cell_type == "hesc")
subset(expr, cell_type %in% c("bj fibroblast", "hesc"))

ou melhor dplyr::filter()

filter(expr, cell_type %in% c("bj fibroblast", "hesc"))

O motivo expr[expr[2] == 'hesc']não funciona é que, para um quadro de dados, x[y]seleciona colunas, não linhas. Se você deseja selecionar linhas, mude para a sintaxe x[y,]:

> expr[expr[2] == 'hesc',]
  expr_value cell_type
4   5.929771      hesc
5   5.873096      hesc
6   5.665857      hesc

Você pode usar o dplyrpacote:

library(dplyr)
filter(expr, cell_type == "hesc")
filter(expr, cell_type == "hesc" | cell_type == "bj fibroblast")

Parece que ninguém incluiu a função que. Também pode ser útil para filtrar.

expr[which(expr$cell == 'hesc'),]

Isso também manipulará os NAs e os eliminará do quadro de dados resultante.

Executando isso em um dataframe 9840 por 24 50000 vezes, parece que o método tem um tempo de execução 60% mais rápido que o método% in%.

Eu estava trabalhando em um dataframe e não tendo sorte com as respostas fornecidas, ele sempre retornava 0 linhas, então encontrei e usei o grepl:

df = df[grepl("downlink",df$Transmit.direction),]

Que basicamente aparou meu quadro de dados apenas nas linhas que continham "downlink" na coluna Direção de transmissão. PS Se alguém puder adivinhar por que não estou vendo o comportamento esperado, deixe um comentário.

Especificamente para a pergunta original:

expr[grepl("hesc",expr$cell_type),]

expr[grepl("bj fibroblast|hesc",expr$cell_type),]

Às vezes, a coluna que você deseja filtrar pode aparecer em uma posição diferente do índice da coluna 2 ou ter um nome de variável.

Nesse caso, você pode simplesmente referir o nome da coluna que deseja filtrar como:

columnNameToFilter = "cell_type"
expr[expr[[columnNameToFilter]] == "hesc", ]

podemos usar a biblioteca data.table

  library(data.table)
  expr <- data.table(expr)
  expr[cell_type == "hesc"]
  expr[cell_type %in% c("hesc","fibroblast")]

ou filtre usando o %like%operador para correspondência de padrões

 expr[cell_type %like% "hesc"|cell_type %like% "fibroblast"]

Isso funcionou como mágica para mim.

celltype_hesc_bool = expr['cell_type'] == 'hesc'

expr_celltype_hesc = expr[celltype_hesc]

Verifique esta postagem do blog