特定の文字列を含む行をフィルタリングする


188

文字列が含まれている行を基準としてデータフレームをフィルター処理する必要がありますRTB

私は使用していdplyrます。

d.del <- df %.%
  group_by(TrackingPixel) %.%
  summarise(MonthDelivery = as.integer(sum(Revenue))) %.%
  arrange(desc(MonthDelivery))

で関数filterを使用できることはわかっdplyrていますが、文字列の内容をチェックするように指示する方法を正確には示していません。

特にコラムの内容を確認したいTrackingPixel。文字列にラベルが含まれている場合、RTB結果から行を削除します。


27
私はを使用したことがありませんdplyrが、ヘルプを見て?dplyr::filter私はfilter(df, !grepl("RTB",TrackingPixel))多分何かを提案しますか?
thelatemail 2014

1
これは実際に私が達成したいことに近いです。唯一の問題は、ラベルを含む文字列を維持しRTB、他の文字列を表示しないことです。
Gianluca 14

私はステルス編集を入れただけですが!、前にインを追加することで逆greplになります-もう一度試してください。
thelatemail 2014

4
または、invertおよびのvalue引数を使用しますgrep。正規表現を使用すると、テキストの操作が1000倍簡単になります。
Rich Scriven 2014

4
@thelatemail greplが私にとってpostgresで機能しません。これはMySQLのためですか?
Statwonk 2014

回答:


255

質問への回答は、上記のコメントの@latemailによって既に投稿されています。次のfilterような2番目以降の引数に正規表現を使用できます。

dplyr::filter(df, !grepl("RTB",TrackingPixel))

元のデータを提供していないため、mtcarsデータセットを使用しておもちゃの例を追加します。あなたがマツダまたはトヨタによって生産された車だけに興味があると想像してください。

mtcars$type <- rownames(mtcars)
dplyr::filter(mtcars, grepl('Toyota|Mazda', type))

   mpg cyl  disp  hp drat    wt  qsec vs am gear carb           type
1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4      Mazda RX4
2 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4  Mazda RX4 Wag
3 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 Toyota Corolla
4 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1  Toyota Corona

逆の方法で、つまりトヨタとマツダの車を除外する場合、filterコマンドは次のようになります。

dplyr::filter(mtcars, !grepl('Toyota|Mazda', type))

列名にスペースが含まれている場合はどうなりますか。トラッキングピクセルのような。
MySchizoBuddy

3
必ずdplyrパッケージではなく、統計パッケージからフィルタ機能を使用している作る
JHowIX

2
@MySchizoBuddy:列名に空白が含まれている場合、バックティックを使用して変数を選択できます。上記の例の変更:mtcars$`my type` <- rownames(mtcars)次にmtcars %>% filter(grepl('Toyota|Mazda', `my type`))
alex23lemm

13
オブジェクトがSQLに変換されないtbl_sqlasの場合、これは機能しないことに注意してくださいgrepl
David LeBauer、2015

オプション1は、dplyrが最後にロードされたことを確認することです。オプション2は、接頭辞dplyr :: filterです。
userJT 2016年

157

解決

使用することが可能であるstr_detectstringrに含まれたパッケージtidyverseのパッケージ。str_detectリターンTrueまたはFalse指定されたベクトルは、いくつかの特定の文字列が含まれているかどうかの。このブール値を使用してフィルタリングすることが可能です。パッケージの詳細については、ストリンガーの概要を参照してくださいstringr

library(tidyverse)
# ─ Attaching packages ──────────────────── tidyverse 1.2.1 ─
# ✔ ggplot2 2.2.1     ✔ purrr   0.2.4
# ✔ tibble  1.4.2     ✔ dplyr   0.7.4
# ✔ tidyr   0.7.2     ✔ stringr 1.2.0
# ✔ readr   1.1.1     ✔ forcats 0.3.0
# ─ Conflicts ───────────────────── tidyverse_conflicts() ─
# ✖ dplyr::filter() masks stats::filter()
# ✖ dplyr::lag()    masks stats::lag()

mtcars$type <- rownames(mtcars)
mtcars %>%
  filter(str_detect(type, 'Toyota|Mazda'))
# mpg cyl  disp  hp drat    wt  qsec vs am gear carb           type
# 1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4      Mazda RX4
# 2 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4  Mazda RX4 Wag
# 3 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 Toyota Corolla
# 4 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1  Toyota Corona

ストリンガーの良いところ

私たちは、使用すべきであるというstringr::str_detect()よりもbase::grepl()。これは、次の理由によります。

  • stringrパッケージによって提供される関数は、接頭辞str_で始まります。これにより、コードが読みやすくなります。
  • stringrパッケージの関数の最初の引数は常にdata.frame(または値)であり、次にパラメーターが来ます(Paoloに感謝)
object <- "stringr"
# The functions with the same prefix `str_`.
# The first argument is an object.
stringr::str_count(object) # -> 7
stringr::str_sub(object, 1, 3) # -> "str"
stringr::str_detect(object, "str") # -> TRUE
stringr::str_replace(object, "str", "") # -> "ingr"
# The function names without common points.
# The position of the argument of the object also does not match.
base::nchar(object) # -> 7
base::substr(object, 1, 3) # -> "str"
base::grepl("str", object) # -> TRUE
base::sub("str", "", object) # -> "ingr"

基準

ベンチマークテストの結果は以下の通りです。大きなデータフレームの場合str_detectは、より高速です。

library(rbenchmark)
library(tidyverse)

# The data. Data expo 09. ASA Statistics Computing and Graphics 
# http://stat-computing.org/dataexpo/2009/the-data.html
df <- read_csv("Downloads/2008.csv")
print(dim(df))
# [1] 7009728      29

benchmark(
  "str_detect" = {df %>% filter(str_detect(Dest, 'MCO|BWI'))},
  "grepl" = {df %>% filter(grepl('MCO|BWI', Dest))},
  replications = 10,
  columns = c("test", "replications", "elapsed", "relative", "user.self", "sys.self"))
# test replications elapsed relative user.self sys.self
# 2      grepl           10  16.480    1.513    16.195    0.248
# 1 str_detect           10  10.891    1.000     9.594    1.281

1
stringrがgrepよりも優れているのはなぜですか?
CameronNemo

2
@CameronNemo stringrパッケージによって提供される関数は、プレフィックスstr_で始まります。これにより、コードが読みやすくなります。最近の最新のRコードでは、ストリンガーを使用することをお勧めします。
経理

3
私は、これは非常に個人的な好みだと思うし、私はやる@CameronNemoに同意するbase Rように良いようですstringr。ベンチマークなどの「ハードファクト」を提供し、「推奨されている」(誰が推奨しているのか)だけでなく、それを提供していただければ幸いです。ありがとう
Tjebo 2018

2
もう1つの理由は、tidyverseフレームワークの一貫性です。関数の最初の引数は常にdata.frame(または値)であり、次にパラメーターが続きます。
Paolo

22

この回答は他の回答と似ていますが、preferred stringr::str_detectおよびdplyr を使用していますrownames_to_column

library(tidyverse)

mtcars %>% 
  rownames_to_column("type") %>% 
  filter(stringr::str_detect(type, 'Toyota|Mazda') )

#>             type  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> 1      Mazda RX4 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> 2  Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> 3 Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
#> 4  Toyota Corona 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1

reprexパッケージ(v0.2.0)によって2018-06-26に作成されました。


1
str_detectstringrパッケージに含まれています
jsta

3

編集に新しいacross()構文が含まれています

または以前tidyverse使用していた別のソリューションを次に示します。利点は、複数の列に簡単に拡張できることです。filter(across())filter_at

以下でも、任意の列でfilter_all文字列を見つけるためのソリューションを例として使用して、文字列「V」を探しますdiamonds

library(tidyverse)

1列のみの文字列

# for only one column... extendable to more than one creating a column list in `across` or `vars`!
mtcars %>% 
  rownames_to_column("type") %>% 
  filter(across(type, ~ !grepl('Toyota|Mazda', .))) %>%
  head()
#>                type  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> 1        Datsun 710 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
#> 2    Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#> 3 Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#> 4           Valiant 18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#> 5        Duster 360 14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> 6         Merc 240D 24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2

現在、これに代わる構文は次のとおりです。

mtcars %>% 
  rownames_to_column("type") %>% 
  filter_at(.vars= vars(type), all_vars(!grepl('Toyota|Mazda',.))) 

すべての列の文字列:

# remove all rows where any column contains 'V'
diamonds %>%
  filter(across(everything(), ~ !grepl('V', .))) %>%
  head
#> # A tibble: 6 x 10
#>   carat cut     color clarity depth table price     x     y     z
#>   <dbl> <ord>   <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
#> 1  0.23 Ideal   E     SI2      61.5    55   326  3.95  3.98  2.43
#> 2  0.21 Premium E     SI1      59.8    61   326  3.89  3.84  2.31
#> 3  0.31 Good    J     SI2      63.3    58   335  4.34  4.35  2.75
#> 4  0.3  Good    J     SI1      64      55   339  4.25  4.28  2.73
#> 5  0.22 Premium F     SI1      60.4    61   342  3.88  3.84  2.33
#> 6  0.31 Ideal   J     SI2      62.2    54   344  4.35  4.37  2.71

現在、これに代わる構文は次のとおりです。

diamonds %>% 
  filter_all(all_vars(!grepl('V', .))) %>%
  head

私は次の代替案を見つけようとしましたが、すぐに良い解決策を思い付くことはありませんでした:

    #get all rows where any column contains 'V'
    diamonds %>%
    filter_all(any_vars(grepl('V',.))) %>%
      head
    #> # A tibble: 6 x 10
    #>   carat cut       color clarity depth table price     x     y     z
    #>   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
    #> 1 0.23  Good      E     VS1      56.9    65   327  4.05  4.07  2.31
    #> 2 0.290 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
    #> 3 0.24  Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48
    #> 4 0.24  Very Good I     VVS1     62.3    57   336  3.95  3.98  2.47
    #> 5 0.26  Very Good H     SI1      61.9    55   337  4.07  4.11  2.53
    #> 6 0.22  Fair      E     VS2      65.1    61   337  3.87  3.78  2.49

更新:この回答のユーザーPetr Kajzar 感謝します。また、上記のアプローチもここにあります。

diamonds %>%
   filter(rowSums(across(everything(), ~grepl("V", .x))) > 0)
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.