Filterreihen im Datenrahmen filtern

Wenn wir die Zeilen aus dem DataFrame filtern möchten, können wir die Funktion filter () verwenden und die Bedingung darin angeben. Basierend auf der Bedingung können wir die Zeilen filtern. Dafür müssen wir die Funktion filter () verwenden.

In diesem R -Tutorial filtern wir die Zeilen mit der Funktion filter () filtern.

Erstellen wir einen Datenrahmen mit vier Zeilen und fünf Spalten.

#create einen DataFrame-Market mit 4 Zeilen und 5 Spalten.
Markt = Daten.Frame (markt_id = c (1,2,3,4), markt_name = c ('m1', 'm2', 'm3', 'm4'), markt_place = c ('Indien', 'USA', Indien ',' Australien '), markt_type = c (' Lebensmittelgeschäft ',' Bar ',' Grocery ',' Restaurantent '), Market_Squarefeet = C (120.342,220,110))
#Display Market
Druck (Markt)

Ergebnis:

Lassen Sie uns die Zeilen in diesem Datenrahmen filtern.

Syntax:

Filter (DataFrame_Object, Bedingung)

Parameter:
Es dauert zwei Parameter:

1. DataFrame_Object ist der Datenrahmen
2. Die Bedingung wird verwendet, um die Zeilen zu filtern

Wir können die Bedingungen mit den relationalen und logischen Operatoren angeben.

Beispiel 1:
In diesem Beispiel geben wir die Bedingung in der Spalte markt_id an.

Wir werden die Zeilen filtern, indem wir die Werte in dieser Spalte größer als 3 auswählen.

#create einen DataFrame-Market mit 4 Zeilen und 5 Spalten.
Markt = Daten.Frame (markt_id = c (1,2,3,4), markt_name = c ('m1', 'm2', 'm3', 'm4'), markt_place = c ('Indien', 'USA', Indien ',' Australien '), markt_type = c (' Lebensmittelgeschäft ',' Bar ',' Grocery ',' Restaurantent '), Market_Squarefeet = C (120.342,220,110))
#REATURN Zeilen nur dann, wenn die Werte in der Spalte markt_id größer als 3 sind
Print (Filter (Markt, Market_id> 3))

Ergebnis:

Wir sehen.

Beispiel 2:
In diesem Beispiel werden wir die Bedingung auf den Spalten markt_id und markt_place angeben.

Wir werden die Zeilen filtern, indem wir die Werte in der Spalte markt_id größer als 2 und im Market_place -Wert „Indien“ auswählen.

#create einen DataFrame-Market mit 4 Zeilen und 5 Spalten.
Markt = Daten.Frame (markt_id = c (1,2,3,4), markt_name = c ('m1', 'm2', 'm3', 'm4'), markt_place = c ('Indien', 'USA', Indien ',' Australien '), markt_type = c (' Lebensmittelgeschäft ',' Bar ',' Grocery ',' Restaurantent '), Market_Squarefeet = C (120.342,220,110))
#Return Zeilen nur, wenn die Werte in der Spalte markt_id größer als 3 sind und der Ort Indien ist
print (filter (markt, markt_id> 2 & markt_place == 'Indien')))

Ergebnis:

Wir sehen.

Beispiel 3:
In diesem Beispiel werden wir die Bedingung auf den Spalten markt_id und markt_place angeben.

Wir werden die Zeilen filtern, indem wir die Werte in der Spalte markt_id größer als 2 oder im Market_Place „Indien“ auswählen.

#create einen DataFrame-Market mit 4 Zeilen und 5 Spalten.
Markt = Daten.Frame (markt_id = c (1,2,3,4), markt_name = c ('m1', 'm2', 'm3', 'm4'), markt_place = c ('Indien', 'USA', Indien ',' Australien '), markt_type = c (' Lebensmittelgeschäft ',' Bar ',' Grocery ',' Restaurantent '), Market_Squarefeet = C (120.342,220,110))
#Return Zeiger nur, wenn die Werte in der Spalte markt_id größer als 3 oder Ort Indien sind
print (filter (markt, markt_id> 2 | markt_place == 'Indien')))

Ergebnis:

Wir sehen.

Beispiel 4:
In diesem Beispiel geben wir die Bedingung in der Spalte Market_place an.

Wir werden die Zeilen filtern, indem wir die Werte in der Spalte markt_place so auswählen, dass die Werte in „Indien“ oder „USA“ mit dem Prozentsatz in % Operator sind.

#create einen DataFrame-Market mit 4 Zeilen und 5 Spalten.
Markt = Daten.Frame (markt_id = c (1,2,3,4), markt_name = c ('m1', 'm2', 'm3', 'm4'), markt_place = c ('Indien', 'USA', Indien ',' Australien '), markt_type = c (' Lebensmittelgeschäft ',' Bar ',' Grocery ',' Restaurantent '), Market_Squarefeet = C (120.342,220,110))
#REITURN ZWEIBE
Print (Filter (Markt, Market_place % in % c ('Indien', 'USA')))

Ergebnis:

Wir können sehen, dass die Zeilen gefiltert werden und den % des % -Sbetriebs verwendet werden, um Werte zu überprüfen, die „Indien“ oder „USA“ sind.

Abschluss

In diesem Artikel haben wir die vier verschiedenen Beispiele erörtert, um den Datenrahmen zu filtern, indem wir die verschiedenen Bedingungen unter Verwendung der relationalen Operatoren, logischen Operatoren und % in % Operator angeben.