Eu tenho um data.frame em R. Quero tentar duas condições diferentes em duas colunas diferentes, mas quero que essas condições sejam inclusivas. Portanto, eu gostaria de usar "OR" para combinar as condições. Eu usei a seguinte sintaxe antes com muito sucesso quando queria usar a condição "AND".
my.data.frame <- data[(data$V1 > 2) & (data$V2 < 4), ]Mas não sei como usar um 'OU' acima.
Respostas:
my.data.frame <- subset(data , V1 > 2 | V2 < 4)Uma solução alternativa que imita o comportamento dessa função e seria mais apropriada para inclusão dentro de um corpo da função:
new.data <- data[ which( data$V1 > 2 | data$V2 < 4) , ]Algumas pessoas criticam o uso whichcomo não necessário, mas isso impede que os NAvalores retornem resultados indesejados. O equivalente (.ie, não retornando linhas de NA para nenhum NA de V1 ou V2) às duas opções demonstradas acima sem a opção whichseria:
new.data <- data[ !is.na(data$V1 | data$V2) & ( data$V1 > 2 | data$V2 < 4) , ]Nota: quero agradecer ao colaborador anônimo que tentou corrigir o erro no código imediatamente acima, uma correção que foi rejeitada pelos moderadores. Na verdade, houve um erro adicional que eu notei quando corrigi o primeiro. A cláusula condicional que verifica os valores de NA precisa ser a primeira a ser tratada como pretendia, pois ...
> NA & 1
[1] NA
> 0 & NA
[1] FALSEA ordem dos argumentos pode ser importante ao usar '& ".
[precisará envolver whichou usar !is.narestrições adicionais .
which. Se V1 e V2 forem NA, você obterá uma fila de NA nessa posição se deixar de fora o which. Eu trabalho com grandes conjuntos de dados e até uma porcentagem relativamente pequena de NA realmente preenche minha tela com lixo eletrônico. Algumas pessoas pensam que isso é um recurso. Eu não.
greplou greptambém faz a correspondência de padrões para as linhas desejadas, além desses condicionais?
Você está procurando "|." Consulte http://cran.r-project.org/doc/manuals/R-intro.html#Logical-vectors
my.data.frame <- data[(data$V1 > 2) | (data$V2 < 4), ]NAs em uma trama de dados:vc <- data.frame(duzey=factor(c("Y","O","Y","D","Y","Y","O"), levels=c("D","O","Y"), ordered=TRUE), cinsiyet=c("E","E","K",NA,"K","E","K"), yas=c(8,3,9,NA,7,NA,6), Not=c(NA,1,1,NA,NA,2,1)); vc; vc[vc$cinsiyet == "E" | vc$Not < 4,]; vc[vc$cinsiyet == "E" & vc$Not < 2,]
Por uma questão de integridade, podemos usar os operadores [e [[:
set.seed(1)
df <- data.frame(v1 = runif(10), v2 = letters[1:10])Várias opções
df[df[1] < 0.5 | df[2] == "g", ]
df[df[[1]] < 0.5 | df[[2]] == "g", ]
df[df["v1"] < 0.5 | df["v2"] == "g", ]df $ name é equivalente a df [["name", exato = FALSE]]
Usando dplyr:
library(dplyr)
filter(df, v1 < 0.5 | v2 == "g")Usando sqldf:
library(sqldf)
sqldf('SELECT *
FROM df
WHERE v1 < 0.5 OR v2 = "g"')Saída para as opções acima:
v1 v2
1 0.26550866 a
2 0.37212390 b
3 0.20168193 e
4 0.94467527 g
5 0.06178627 jsqldfpacote é muito bom. Muito útil especialmente quando subset()fica um pouco :) dolorosa