taoyan：R语言中文社区特约作家，伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

公众号：生信大讲堂

往期回顾

R语言可视化学习笔记之相关矩阵可视化包ggcorrplot

R语言学习笔记之相关性矩阵分析及其可视化

ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记

ggplot2学习笔记系列之主题（theme）设置

用circlize包绘制circos-plot

利用gganimate可视化R-Ladies发展情况

一篇关于国旗与奥运会奖牌的可视化笔记

利用ggseqlogo绘制seqlogo图

R语言data manipulation学习笔记之创建变量、重命名、数据融合

数据分析过程中我们常常需要从数据集中抽取部分数据，本文将介绍如何提取子数据集，主要利用R自带的函数，以后会专门介绍data manipulation包dplyr。 提取子数据集主要分为select以及exclude，这里主要介绍两种方法，一是利用操作符[]进行选取，二是利用subset()进行抽取。

利用[]进行提取

#use the iris dataset

head(iris)

## Sepal.Length Sepal.Width Petal.Length Petal.Width Species

## 1   5.1          3.5          1.4        0.2       setosa

## 2   4.9          3.0          1.4        0.2       setosa

## 3   4.7          3.2          1.3        0.2       setosa

## 4   4.6          3.1          1.5        0.2       setosa

## 5   5.0          3.6          1.4        0.2       setosa

## 6   5.4          3.9          1.7        0.4       setosa

# check the column namenames(iris)

## [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"  "Species"

加入我们想要提取Sepal.Length、Sepal.Width两列数据，可以使用如下代码：

dt1 <- iris[, c("Sepal.Length","Sepal.Width")]head(dt1)

##   Sepal.Length Sepal.Width

## 1      5.1         3.5

## 2      4.9         3.0

## 3      4.7         3.2

## 4      4.6         3.1

## 5      5.0         3.6

## 6      5.4         3.9

#也可以直接用列序号代替，比如这里我们想要提要前两列

dt2 <- iris[, c(1, 2)]head(dt2)

##   Sepal.Length Sepal.Width

## 1      5.1         3.5

## 2      4.9         3.0

## 3      4.7         3.2

## 4      4.6         3.1

## 5      5.0         3.6

## 6      5.4         3.9

如果我们需要删除前两列，只需在序号之前添加符号 - 就行

dt3 <- iris[, c(-1, -2)]head(dt3)

##   Petal.Length Petal.Width Species

## 1     1.4          0.2      setosa

## 2     1.4          0.2      setosa

## 3     1.3          0.2      setosa

## 4     1.5          0.2      setosa

## 5     1.4          0.2      setosa

## 6     1.7          0.4      setosa

可以看出十分简单就可以提取子数据集，下面介绍subset()，subset()相比于[]主要是可以方便的根据条件提取子数据集。

利用subset()进行提取

#create a dataset

fy <- c(2010,2011,2012,2010,2011,2012,2010,2011,2012)

company <- c("Apple","Apple","Apple","Google","Google","Google","Microsoft","Microsoft","Microsoft")

revenue <- c(65225,108249,156508,29321,37905,50175,62484,69943,73723)

profit <- c(14013,25922,41733,8505,9737,10737,18760,23150,16978)

companiesData <- data.frame(fy, company, revenue, profit)

head(companiesData)

##    fy company revenue profit

## 1 2010 Apple   65225 14013

## 2 2011 Apple   108249 25922

## 3 2012 Apple   156508 41733

## 4 2010 Google   29321 8505

## 5 2011 Google   37905 9737

## 6 2012 Google   50175 10737

假如我们想要提取revenue超过十万的公司

com1 <- subset(companiesData, revenue>100000)

head(com1)

##    fy company revenue profit

## 2 2011 Apple   108249 25922

## 3 2012 Apple   156508 41733

或者我们想要提取在2012年revenue超过6万的公司

com2 <- subset(companiesData, fy=="2012"&revenue>60000)

head(com2)

##    fy  company  revenue profit

## 3 2012 Apple     156508 41733

## 9 2012 Microsoft  73723 16978

或者提取在2012年revenue超过6万、profit超过4万的公司

com3 <- subset(companiesData, fy=="2012"&revenue>60000&profit>40000)

com3

##    fy company revenue profit

## 3 2012 Apple 156508 41733

条件选择也可以使用或，比如我们想要提取profit超过2万或者revenue低于5万的公司

com4 <- subset(companiesData, revenue<50000|profit>20000)

com4

##    fy company   revenue profit

## 2 2011 Apple     108249 25922

## 3 2012 Apple     156508 41733

## 4 2010 Google    29321 8505

## 5 2011 Google    37905 9737

## 8 2011 Microsoft 69943 23150

本文只是粗略的讲解，其实subset()的用法很广，有兴趣的朋友可以自行探索。

SessionInfo

sessionInfo()

## R version 3.4.0 (2017-04-21)

## Platform: x86_64-pc-linux-gnu (64-bit)

## Running under: Ubuntu 16.04.2 LTS

##

## Matrix products: default

## BLAS: /usr/lib/atlas-base/atlas/libblas.so.3.0

## LAPACK: /usr/lib/atlas-base/atlas/liblapack.so.3.0

##

## locale:

## [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C

## [3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8

## [5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8

## [7] LC_PAPER=en_US.UTF-8 LC_NAME=C

## [9] LC_ADDRESS=C LC_TELEPHONE=C

## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C

##

## attached base packages:

## [1] stats graphics grDevices utils datasets methods base

##

## loaded via a namespace (and not attached):

## [1] compiler_3.4.0 backports_1.1.0 magrittr_1.5 rprojroot_1.2

## [5] tools_3.4.0 htmltools_0.3.6 yaml_2.1.14 Rcpp_0.12.11

## [9] stringi_1.1.5 rmarkdown_1.6 knitr_1.16 stringr_1.2.0

## [13] digest_0.6.12 evaluate_0.10.1

2017年R语言发展报告（国内）

R语言中文社区历史文章整理（作者篇）

R语言中文社区历史文章整理（类型篇）

公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲（连载中）
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费**** 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据，揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享