データの選択 | 行の選択

イメージ

今回紹介する行の選択は次の図のような操作です。行の選択をするので縦の長さが短くなります。

dplyr::filter()

最も使い勝手のよい行の選択方法はdplyrパッケージのfilter()関数です。

基本的な使い方は次の通りです。

library(dplyr)
filter(データフレーム, フィルター条件)

filter関数で指定するのはデータフレームとフィルター条件の2つです。

第一引数にどのデータフレームをフィルターするのか指定して、第二引数にフィルターの条件を指定します。

具体例 | 基本編

基本的な使い方の具体例としてirisデータから Sepal.Length 列が 4.5 よりも小さい行だけを取得する操作を紹介します。

実行するコードとその出力結果は以下の通りです。

library(dplyr)
filter(iris, Sepal.Length < 4.5)
#>  　Sepal.Length　Sepal.Width　Petal.Length　Petal.Width　Species
#> 1　　　　　4.4　　　　　2.9　　　　　1.4　　　　　0.2　　setosa
#> 2　　　　　4.3　　　　　3.0　　　　　1.1　　　　　0.1　　setosa
#> 3　　　　　4.4　　　　　3.0　　　　　1.3　　　　　0.2　　setosa
#> 4　　　　　4.4　　　　　3.2　　　　　1.3　　　　　0.2　　setosa

実際に出力結果に表示されるデータは全てSepal.Length < 4.5 となっていることがわかります。

具体例 | 複数条件編

複数条件で指定する場合の具体例も紹介します。複数条件でフィルターするときは 「& (AND)」 や「| (OR)」で複数条件の組み合わせ方も指定する必要があります。

「＆（AND）」と「｜（OR）」のイメージは以下の図の通りです。

図は条件が２つの場合のイメージを紹介しましたが、3つ以上の条件でも同様に全ての条件を満たすものがANDで、どれかを満たすものがORとなります。

具体例として iris データから Sepal.Length < 5 かつ Petal.Length > 2 となるレコードを取り出す例を紹介します。

library(dplyr)
filter(iris, Sepal.Length < 5 & Petal.Length > 2) # ２つの条件を満たすものなので & でつなぐ
#　　Sepal.Length　Sepal.Width　Petal.Length　Petal.Width　　　　Species
#> 1　　　　　4.9　　　　　 2.4　　　　　　3.3　　　　　 1.0 　 　versicolor
#> 2　　　　　4.9　　　　　 2.5　　　　　　4.5　　　　 　1.7　　　virginica

２つの条件をどちらも満たすものを選択するので、２つの条件の間を「&」でつないでいます。結果は Sepal.Length < 5 かつ Petal.Length > 2 となるものだけ選ばれています。

複数列のフィルター

filter()関数には一気に複数の列を同じ条件でフィルターするための発展的な関数が用意されています。

列ごとに指定する条件が違う場合は１つずつ列とフィルター条件を指定していくしかありませんが、複数列に同じ条件のフィルターをかけるならここで紹介する関数群が便利です。

ここではその発展的な関数も紹介したいと思います。

フィルター条件の設定法

まず複数列に同じ条件のフィルターをかける時のフィルター条件の設定法を紹介します。

複数列を一気にフィルターする時は専用のフィルター条件の指定方法があります。

条件の指定方法は以下の2つです。

それぞれの条件指定法のイメージは以下の通りです。

列名で指定してフィルター

filter_at()関数は列名や列の位置などで複数列を指定してフィルターをかける関数です。

今回は 列名が Sepal で始まる全ての列の値が 3.5 より大きく 5 より小さい範囲に収まる行だけ選択する例を考えます。

library(dplyr)
filter_at(iris, .vars = vars(starts_with("Sepal")), .vars_predicate = all_vars(. > 3.5 & . < 5))
#> 　　Sepal.Length　Sepal.Width　Petal.Length　Petal.Width　Species
#> 1　　　　　　4.6　　　　　3.6　　　　　1.0　　　　　0.2　　setosa
#> 2　　　　　　4.9　　　　　3.6　　　　　1.4　　　　　0.1　　setosa

filter_at()の基本的な引数は次の通りです。

.vars = でどのように列を指定するかを指定し、.vars_predicate = でフィルター条件となる関数を指定します。

列の中身で指定してフィルター

filter_if()関数は列の内容で複数列を指定してフィルターをかける関数です。

ここではirisデータの数値型の列全てに対して、２より大きく６.５より小さいものだけ取ってくる例を紹介します。

library(dplyr)
filter_if(iris,  .predicate = is.numeric, .vars_predicate = all_vars(. > 2 & . < 6.5))
#>　　Sepal.Length　Sepal.Width　Petal.Length　Petal.Width　　　Species
#>1　　　　　　6.3　　　　 　3.3　　　　　6.0　　　　　 2.5　 　　virginica
#>2　　　　　　5.8　　　　 　2.8　　　　　5.1　　　　　 2.4 　　　virginica
#>3　　　　　　6.4　　　　　 3.2　　　　　5.3　　　　　 2.3 　　　virginica
#>4　　　　　　6.4　　　　　 2.8　　　　　5.6　　　　　 2.1　 　　virginica
#>5　　　　　　6.4　　　　　 2.8　　　　　5.6　　　　　 2.2 　　　virginica
#>6　　　　　　6.3　　　　　 3.4　　　　　5.6　　　　　 2.4 　　　virginica
#>7　　　　　　6.2　　　　　 3.4　　　　　5.4　　　　　 2.3 　　　virginica

filter_if()の基本的な引数は以下の通りです。

全ての列にフィルター

filter_all()関数は全ての列に対してフィルターをかける関数です。

ここではirisデータからspecies列をあらかじめ除き、残った全ての列の中からいずれかの列で６.５より大きな値を持つものだけを選択する例を紹介します。

library(dplyr)
iris %>% 
  　select(-Species) %>% 
  　filter_all(any_vars(. > 6.5))
#　　　Sepal.Length　Sepal.Width　Petal.Length　Petal.Width
#> 1　　　　　 7.0　　　　　 3.2　　　　　　4.7　　　　　 1.4
#> 2　　　　　 6.9　　　　　 3.1　　　　　　4.9　　　　　 1.5
#> 3　　　　　 6.6　　　　　 2.9　　　　　　4.6　　　　　 1.3
#> 4　　　　　 6.7　　　　　 3.1　　　　　　4.4　　　　　 1.4
#> 5　　　　　 6.6　　　　　 3.0　　　　　　4.4　　　　　 1.4
#> 6　　　　　 6.8　　　　　 2.8　　　　　　4.8　　　　　 1.4
#> 7　　　　　 6.7　　　　　 3.0　　　　　　5.0　　　　　 1.7
#> 8　　　　　 6.7　　　　　 3.1　　　　　　4.7　　　　　 1.5
#> 9　　　　　 7.1　　　　　 3.0　　　　　　5.9　　　　　 2.1
#> 10　　　　   7.6　　　　　 3.0　　　　　　6.6　　　　　 2.1

filter_all()ではどの列にフィルターをかけるか指定する必要がないため、フィルターの条件だけ指定すれば大丈夫です。