数据过滤是清洗过程的基本操作之一。R有很多方式可以实现，本文介绍几种常用方法，包括基本的数据框访问方式以及
dplyr包的强大功能。
1. 示例数据
data <- data.frame(var=c(2,4,6,8,10,12,14,16))
我们定义了示例数据，假设我们需要返回大于10的数据。
2. 过滤数据
2.1 通过行、列方式
> data[data[,"var"]>10,]
[1] 12 14 16
因为数据框有行和列组成，data[,"var"] 表示所有行，列为var ；data[,"var"]>10 整体表示符合变量 var大于 10 的行，后面空格所有列。我们只有一列，也可以写成 ： data[data[,"var"]>10,"var"] 。
2.2 通过变量方式
> data[data$var>10,]
[1] 12 14 16
data$var>10 直接变量访问数据库列数据，整体表示这列数据大于的所有行，后面的逗号表示所有列。
2.3 通过subset方式
> subset(data,var>10)
var
6 12
7 14
8 16
2.4 使用 dplyr 包
> library(dplyr)
载入程辑包：‘dplyr’
> filter(data,var>10)
var
1 12
2 14
3 16
保存结果：
library(dplyr)
df <- filter(mtcars, mpg > 25)
3. dplyr 过滤语法及示例
3.1 dplyr 条件运算符
filter函数主要包括两个参数，第一个为要操作的数据框，第二个为条件，返回true 和 false。
关系运算主要包括：
==(Equal to)!=(Not equal to)<(Less than)<=(Less than or equal to)>(Greater than)>=(Greater than or equal to)
逻辑运算：
!(logical NOT)&(logical AND)|(logical OR)
另外还有两个常用操作：
%in%(检查值是否再多值的数组中)is.na()(检查值是否为 NA)
3.2 示例代码
install.packages('ggplot2')
library('ggplot2')
diamonds
# 数值类型过滤
filter(diamonds, price > 2000)
# 字符串类型过滤
filter(diamonds, cut != 'Ideal')
# 多个数值类型条件
filter(diamonds, price >= 1000 & price <= 1500)、
# 过滤类型变量
filter(diamonds, cut %in% c('Ideal', 'Premium'))
# 也可以先定义向量变量
cuts_to_include <- c('Good', 'Very Good', 'Ideal', 'Premium')
filter(diamonds, cut %in% cuts_to_include)
多条件组合示例：
# 链接多个条件
filter(diamonds, cut == 'Ideal' & carat > 1)
filter(diamonds, cut == 'Ideal' & carat > 1 & color == 'E')
filter(diamonds, cut == 'Ideal' | carat > 1)
4. 总结
本文介绍了4中方式过滤数据框数据，其中 dplyr 的fliter功能非常强大。
本文参考链接：https://blog.csdn.net/neweastsun/article/details/117201115
