Filtre data.frame rangées par une condition logique
Question
Je veux filtrer les lignes d'un data.frame
basé sur une condition logique. Supposons que je trame de données comme
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
Ce que je veux est d'obtenir une nouvelle trame de données qui semble la même, mais ne dispose que des données pour une cell_type. Par exemple. sous-ensembles / sélectionner des lignes, qui contient le type de cellule "hESC":
expr_value cell_type
1 5.929771 hesc
2 5.873096 hesc
3 5.665857 hesc
Ou les deux types de cellules "fibroblaste bj" ou "CSEh":
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
Yat-il un moyen facile de le faire?
J'ai essayé:
expr[expr[2] == 'hesc']
# [1] "5.929771" "5.873096" "5.665857" "hesc" "hesc" "hesc"
si la trame de données d'origine est appelé « expr », mais il donne les résultats au mauvais format que vous pouvez voir.
La solution
Pour sélectionner des lignes en fonction de une 'cell_type' (par exemple "hESC), l'utilisation ==
:
expr[expr$cell_type == "hesc", ]
Pour sélectionner des lignes en fonction de deux ou plusieurs 'cell_type', (par exemple, soit 'hESC' ou 'bj fibroblaste'), l'utilisation %in%
:
expr[expr$cell_type %in% c("hesc", "bj fibroblast"), ]
Autres conseils
Utilisation subset
(pour un usage interactif)
subset(expr, cell_type == "hesc")
subset(expr, cell_type %in% c("bj fibroblast", "hesc"))
ou mieux dplyr::filter()
filter(expr, cell_type %in% c("bj fibroblast", "hesc"))
La expr[expr[2] == 'hesc']
raison ne fonctionne pas est que pour une trame de données, x[y]
sélectionne des colonnes, pas de lignes. Si vous souhaitez sélectionner des lignes, changer à la syntaxe x[y,]
à la place:
> expr[expr[2] == 'hesc',]
expr_value cell_type
4 5.929771 hesc
5 5.873096 hesc
6 5.665857 hesc
Vous pouvez utiliser le package dplyr
:
library(dplyr)
filter(expr, cell_type == "hesc")
filter(expr, cell_type == "hesc" | cell_type == "bj fibroblast")
Parfois, la colonne que vous souhaitez filtrer peut apparaître dans une position différente que l'indice de la colonne 2 ou un nom de variable.
Dans ce cas, vous pouvez simplement renvoyer le nom de la colonne vous souhaitez filtrer comme:
columnNameToFilter = "cell_type"
expr[expr[[columnNameToFilter]] == "hesc", ]
Je travaillais sur un dataframe et ne pas avoir de chance avec les réponses fournies, il est toujours revenu 0 lignes, alors je l'ai trouvé et utilisé Grepl:
df = df[grepl("downlink",df$Transmit.direction),]
Ce qui fondamentalement coupé mon dataframe uniquement les lignes contenant « liaison descendante » dans la colonne de direction de transmission. Post-scriptum Si quelqu'un peut deviner pourquoi je ne vois pas le comportement attendu, s'il vous plaît laisser un commentaire.
Plus précisément à la question initiale:
expr[grepl("hesc",expr$cell_type),]
expr[grepl("bj fibroblast|hesc",expr$cell_type),]
Personne ne semble avoir inclus la fonction qui. Il peut également se révéler utile pour le filtrage.
expr[which(expr$cell == 'hesc'),]
traitera également NAs et de les déposer de la trame de données résultant.
L'exécution de ce sur un 9840 de 24 dataframe 50000 fois, il semble que la méthode qui a un temps courir plus vite 60% que le% de méthode%.
nous pouvons utiliser la bibliothèque data.table
library(data.table)
expr <- data.table(expr)
expr[cell_type == "hesc"]
expr[cell_type %in% c("hesc","fibroblast")]
ou filtre à l'aide de l'opérateur pour %like%
de correspondance de motif
expr[cell_type %like% "hesc"|cell_type %like% "fibroblast"]