Tenho um data frame com 5597 linhas e 7 colunas. Gostaria de filtrar os resultados desse data frame, de forma que só apareçam as linhas em que a segunda coluna está escrito "AC". Tentei usar o comando dr=subset(df, df[2]=="AC")
, onde df
é meu próprio data frame e 2 é a coluna onde aparece "AC". Infelizmente, o comando não funcionou. Há algo que possa fazer para melhorar o código?
-
A principio seu código está ok. Qual o erro que você recebe? Coloque também uma amostra dos seus dados.– Carlos CinelliCommented 28/05/2014 às 19:05
2 Respostas
Bom, a princípio o seu código está correto, ele deveria fazer o subset dos dados, o que pode ter ocorrido é algum outro problema que somente seria possível verificar com o caso específico.
Mostrando em um data frame de exemplo:
set.seed(1)
df <- data.frame(valor= rnorm(100), categoria = rep(c("AB", "AC"), 50), stringsAsFactors=FALSE)
dr <- subset(df, df[2]=="AC")
Veja que dr
tem apenas as linhas cuja segunda coluna é "AC":
unique(dr[2])
categoria
2 AC
head(dr)
valor categoria
2 0.1836433 AC
4 1.5952808 AC
6 -0.8204684 AC
8 0.7383247 AC
10 -0.3053884 AC
12 0.3898432 AC
Há diversas outras formas de filtrar um data frame. Uma delas seria usar o operador [
do R. Exemplo:
dr <- df[df[2]=="AC", ]
ou
dr <- df[df$categoria=="AC", ]
Há também pacotes específicos para manipulação de dados. Um pacote excelente para isso é o dplyr
, pois é bastante rápido e tem uma sintaxe intuitiva (por exemplo, o comando para filtrar chama-se "filter").
No dplyr
ficaria assim:
library(dplyr)
dr <- df%>%filter(categoria=="AC")
Se você vai trabalhar muito com bases de dados, vale a pena dar uma olhada.
-
-
Muito bom Carlos Cinelli.. Carlos o pacote não seria plyr– user48724Commented 13/06/2016 às 19:31
-
Disponibilizo também um exemplo a partir do pacote data.table
utilizando os dados do exemplo de @Carlos Cinelli.
library(data.table)
set.seed(1)
df <- data.frame(valor = rnorm(100),
categoria = rep(c("AB", "AC"), 50),
stringsAsFactors=FALSE)
df <- data.table::data.table(df)
df <- df[categoria == "AC"]