Wie lösche ich Zeilen in einem Datenrahmen?

Ich habe einen Datenrahmen mit dem Namen "mydata", der folgendermaßen aussieht:

   A  B  C   D 
1. 5  4  4   4 
2. 5  4  4   4 
3. 5  4  4   4 
4. 5  4  4   4 
5. 5  4  4   4 
6. 5  4  4   4 
7. 5  4  4   4 

Ich möchte Zeile 2,4,6 löschen. Zum Beispiel so:

   A  B  C   D
1. 5  4  4  4 
3. 5  4  4  4 
5. 5  4  4  4 
7. 5  4  4  4 

Die Schlüsselidee ist, dass Sie eine Menge der Zeilen bilden, die Sie entfernen möchten, und die Ergänzung dieser Menge beibehalten.

In R wird das Komplement einer Menge durch den Operator '-' angegeben.

Angenommen, das data.frameheißt myData:

myData[-c(2, 4, 6), ]   # notice the -

Vergessen myDataSie natürlich nicht, "neu zuzuweisen", wenn Sie diese Zeilen vollständig löschen möchten - andernfalls druckt R nur die Ergebnisse.

myData <- myData[-c(2, 4, 6), ]

Sie können auch mit einem sogenannten booleschen Vektor arbeiten, auch bekannt als logical:

row_to_keep = c(TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE)
myData = myData[row_to_keep,]

Beachten Sie, dass der !Operator als NOT fungiert, dh !TRUE == FALSE:

myData = myData[!row_to_keep,]

Dies scheint im Vergleich zu @ mrwabs Antwort (+1 übrigens :)) etwas umständlich zu sein, aber ein logischer Vektor kann im laufenden Betrieb generiert werden, z. B. wenn ein Spaltenwert einen bestimmten Wert überschreitet:

myData = myData[myData$A > 4,]
myData = myData[!myData$A > 4,] # equal to myData[myData$A <= 4,]

Sie können einen booleschen Vektor in einen Vektor von Indizes umwandeln:

row_to_keep = which(myData$A > 4)

Ein sehr guter Trick ist schließlich, dass Sie diese Art der Teilmenge nicht nur zum Extrahieren, sondern auch zum Zuweisen verwenden können:

myData$A[myData$A > 4,] <- NA

Dabei wird eine Spalte Azugewiesen NA(keine Nummer), wobei A4 überschritten wird.

Probleme beim Löschen nach Zeilennummer

Für schnelle und schmutzige Analysen können Sie Zeilen eines data.frame nach Nummer gemäß der oberen Antwort löschen. Dh

newdata <- myData[-c(2, 4, 6), ] 

Wenn Sie jedoch versuchen, ein robustes Datenanalyseskript zu schreiben, sollten Sie generell vermeiden, Zeilen nach numerischer Position zu löschen. Dies liegt daran, dass sich die Reihenfolge der Zeilen in Ihren Daten in Zukunft ändern kann. Ein allgemeines Prinzip eines data.frame oder einer Datenbanktabelle ist, dass die Reihenfolge der Zeilen keine Rolle spielen sollte. Wenn die Reihenfolge von Bedeutung ist, sollte dies in einer tatsächlichen Variablen im data.frame codiert werden.

Stellen Sie sich beispielsweise vor, Sie haben ein Dataset importiert und Zeilen nach numerischer Position gelöscht, nachdem Sie die Daten überprüft und die Zeilennummern der Zeilen identifiziert haben, die Sie löschen möchten. Zu einem späteren Zeitpunkt gehen Sie jedoch in die Rohdaten und sehen sich um und ordnen die Daten neu. Ihr Zeilenlöschcode löscht jetzt die falschen Zeilen. Schlimmer noch, es ist unwahrscheinlich, dass Sie Fehler erhalten, die Sie darauf hinweisen.

Bessere Strategie

Eine bessere Strategie besteht darin, Zeilen basierend auf inhaltlichen und stabilen Eigenschaften der Zeile zu löschen. Wenn Sie beispielsweise eine idSpaltenvariable hatten, die jeden Fall eindeutig identifiziert, können Sie diese verwenden.

newdata <- myData[ !(myData$id %in% c(2,4,6)), ]

In anderen Fällen haben Sie ein formales Ausschlusskriterium, das angegeben werden kann, und Sie können eines der vielen Teilmengenwerkzeuge in R verwenden, um Fälle auszuschließen, die auf dieser Regel basieren.

Erstellen Sie eine ID-Spalte in Ihrem Datenrahmen oder verwenden Sie einen beliebigen Spaltennamen, um die Zeile zu identifizieren. Die Verwendung von Index ist nicht fair zu löschen.

Verwenden Sie die subsetFunktion, um einen neuen Rahmen zu erstellen.

updated_myData <- subset(myData, id!= 6)
print (updated_myData)

updated_myData <- subset(myData, id %in% c(1, 3, 5, 7))
print (updated_myData)

Durch vereinfachte Reihenfolge:

mydata[-(1:3 * 2), ]

Nach Reihenfolge:

mydata[seq(1, nrow(mydata), by = 2) , ]

Durch negative Reihenfolge:

mydata[-seq(2, nrow(mydata), by = 2) , ]

Oder wenn Sie eine Teilmenge durch Auswahl ungerader Zahlen erstellen möchten:

mydata[which(1:nrow(mydata) %% 2 == 1) , ]

Oder wenn Sie eine Teilmenge durch Auswahl ungerader Zahlen erstellen möchten, Version 2:

mydata[which(1:nrow(mydata) %% 2 != 0) , ]

Oder wenn Sie eine Teilmenge durch Herausfiltern gerader Zahlen erstellen möchten:

mydata[!which(1:nrow(mydata) %% 2 == 0) , ]

Oder wenn Sie eine Teilmenge durch Herausfiltern gerader Zahlen erstellen möchten, Version 2:

mydata[!which(1:nrow(mydata) %% 2 != 1) , ]

Dan aus employee.data löschen - Es ist nicht erforderlich, einen neuen data.frame zu verwalten.

employee.data <- subset(employee.data, name!="Dan")

Hier ist eine schnelle und schmutzige Funktion zum Entfernen einer Zeile nach Index.

removeRowByIndex <- function(x, row_index) {
  nr <- nrow(x)
  if (nr < row_index) {
    print('row_index exceeds number of rows')
  } else if (row_index == 1)
  {
    return(x[2:nr, ])
  } else if (row_index == nr) {
    return(x[1:(nr - 1), ])
  } else {
    return (x[c(1:(row_index - 1), (row_index + 1):nr), ])
  }
}

Der Hauptfehler besteht darin, dass das Argument row_index nicht dem R-Muster folgt, ein Vektor von Werten zu sein. Es kann andere Probleme geben, da ich nur ein paar Minuten damit verbracht habe, es zu schreiben und zu testen, und erst in den letzten Wochen angefangen habe, R zu verwenden. Kommentare und Verbesserungen hierzu wären sehr willkommen!

Der Vollständigkeit halber möchte ich hinzufügen, dass dies dplyrauch mit verwendet werden kann slice. Dies hat den Vorteil, dass es Teil eines Pipeline-Workflows sein kann.

df <- df %>%
  .
  .
  slice(-c(2, 4, 6)) %>%
  .
  .

Natürlich können Sie es auch ohne Rohre verwenden.

df <- slice(df, -c(2, 4, 6))

Das Format "kein Vektor" -c(2, 4, 6)bedeutet, dass Sie alles erhalten, was sich nicht in den Zeilen 2, 4 und 6 befindet. Wenn Sie beispielsweise einen Bereich verwenden, können Sie beispielsweise die ersten 5 Zeilen entfernen slice(df, 6:n()). Weitere Beispiele finden Sie in den Dokumenten .