从零开始学R数据分析，数据筛选与提取

　　通常从系统中导出的数据字段有很多，并不是所有的字段都能用于数据分析中，这时候为了提高运算的速度，以及节省运算内存，需要筛选一些我们数据分析实际使用到的数据字段，通常筛选出数据字段后还需要做聚合运算，例如EXCEL中countif，sumif的用法，那么这些方法如何在R中使用呢？下面一起来学习。示例工具：Rx643。5。3、RStudio
　　本文讲解内容：数据筛选与提取
　　适用范围：数据筛选、多条件计数、多条件求和
　　本次内容的学习需要先创建一组数据集，数据内容包含ID、NAME等五个字段，数据结果如下。手动创建数据表datadatadata。frame（IDc（c001，c002，c003，c004，c005，c006，c007，c008，c009，c010），NAMEc（Rmesh，Khilan，Kaushik，Chaitali，Hardik，Komal，Tom，Muffy，Susan，Kevin），AGEc（23，20，23，25，27，24，26，31，26，30），ADDRESSc（Ahmed，Delhi，Kota，Mumbai，Bhopal，MPA，MPB，Indore，JPNo。1，JPNo。2），SALc（2000，1500，2000，5000，8500，6500，5500，9500，7000，9000））
　　1数据筛选
　　在R中数据筛选使用subset函数进行筛选，在subset函数的参数中添加逻辑运算和筛选条件，例如筛选条件等于、不等于、大于、小于，逻辑运算与、或、非的条件，这里用双等于号表示等于，如筛选名字中为Kevin的行，筛选结果如下所示：数据筛选subset（data，dataNAMEKevin）
　　筛选名字中不包含Kevin的行，不等于号用！表示，筛选结果如下所示：按非条件进行筛选subset（data，dataNAME！Kevin）
　　subset函数可以添加多个条件，使用与的条件时用符号连接起来，这里筛选年龄大于25且收入大于8000的行记录，结果如下：按与的条件筛选subset（data，dataAGE25dataSAL8000）
　　如果是或的条件，用符号表示，筛选年龄大于25岁或者收入大于8000的行记录，筛选结果如下所示：按或的条件筛选subset（data，dataAGE25dataSAL8000）
　　2数据提取
　　数据提取一般有三种方法进行提取，即按位置提取、按索引提取和按条件提取，在pandas中类似于loc和iloc的用法，可以按照位置、按照列索引以及添加筛选条件进行数据提取。
　　按位置提取数据使用中括号〔〕，在中括号中逗号前提取的是行，逗号后提取的是列，要提取第一行数据结果如下：提取数据表第一行data〔1，〕
　　要提取第一行到第五行的数据，在中括号中提取行1：5，逗号后面提取列可以不写，默认即可。提取数据表第一行至第五行data〔1：5，〕
　　提取数据表中第五列数据，省略逗号前行提取，直接写逗号后的列值即可。提取数据表第五列data〔5〕
　　提取第三列到第五列，逗号前的行提取默认不写，在逗号后的列提取第三列到第五列即可，提取结果如下：提取数据表第三列至第五列data〔，3：5〕
　　如果同时提取行和列，比如提取第三行第五列的数据，可以在逗号的前面和后面分别写上行数和列数。提取数据表第三行第五列data〔3，5〕
　　提取特定的数据区域，可以使用：冒号来提取，行和列的位置不变，只需要改变数据区域的大小即可。提取数据表特定区域数据data〔1：3，1：3〕
　　按索引提取数据，这里分为按照行索引提取和列索引提取，需要提取的行索引和列索引用引号括起来，如下提取第三行的数据。按索引提取行数据data〔3，〕
　　如果按照索引提取多行，需要用括号括起来，在中括号中逗号前的位置用于提取行，逗号后的位置用于提取列，与按位置提取数据方法一致。按索引提取多行数据data〔c（3，5），〕
　　按照列名提取数据，需要将列名用括号括起来即可。按列名称提取data〔NAME〕
　　需要提取特定行和特定列的数据，中括号中写上行索引和列索引即可。按索引提取行与列数据data〔4，NAME〕
　　提取多个行与多个列数据，需要用括号将行索引和列索引括起来。按索引提取多个行与列数据data〔c（2，4），c（NAME，SAL）〕
　　除了按位置和按索引提取数据，还有一种方法是按条件提取数据，使用which函数，后面加特定的聚合条件，比如这里提取薪水最高的行记录。查找薪水最高的所在行data〔which。max（dataSAL），〕
　　同理，提取薪水最低的行记录。查看年龄最小的所在行data〔which。min（dataAGE），〕
　　3聚合运算
　　筛选数据以及提取特定数据区域后，可以对这部分数据做聚合运算，与Excel中的筛选功能和countif和sumif功能相似，而countifs和sumifs是多条件计数和多条件求和。
　　对年龄大于25岁以及收入大于8000的薪水多条件求和，使用subset函数数据筛选后，借助sum函数实现多条件求和的功能。Excel中的sumifs（）函数求和sum（subset（data，dataAGE25dataSAL8000）SAL）
　　多条件计数使用length函数计数。Excel中的countifs（）函数计数length（subset（data，dataAGE25dataSAL8000）ID）
　　多条件求平均这里使用mean函数，求年龄大于25岁或者收入大于8000的平均薪水，数据结果如下所示。Excel中的averageifs（）函数计数mean（subset（data，dataAGE25dataSAL8000）SAL）