Comment regrouper et filtrer les données à l’aide de dplyr

Vous pouvez utiliser la syntaxe de base suivante pour regrouper et filtrer les données à l’aide du package dplyr dans R :

df %>%
  group_by(team) %>%
  filter(any(points == 10))

Cette syntaxe particulière regroupe un bloc de données par colonne appelée équipe et filtre uniquement les groupes où au moins une valeur dans la colonne de points est égale à 10.

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : regrouper par et filtrer les données à l’aide de dplyr

Supposons que nous ayons le bloc de données suivant dans R qui contient des informations sur divers joueurs de basket-ball :

#create data frame
df <- data.frame(team=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'),
                 points=c(10, 15, 8, 4, 10, 10, 12, 12, 7))

#view data frame
df

  team points
1    A     10
2    A     15
3    A      8
4    B      4
5    B     10
6    B     10
7    C     12
8    C     12
9    C      7

Nous pouvons utiliser le code suivant pour regrouper le bloc de données par la valeur dans la colonne équipe , puis filtrer tous les groupes qui n’ont pas au moins une valeur dans la colonne points égale à 10 :

library(dplyr)

#group by team and filter out teams where no points value is equal to 10
df %>%
  group_by(team) %>%
  filter(any(points == 10))

# A tibble: 6 x 2
# Groups:   team [2]
  team  points
    
1 A         10
2 A         15
3 A          8
4 B          4
5 B         10
6 B         10

Notez que toutes les lignes où l’ équipe est égale à « C » sont filtrées car il n’y a aucune valeur dans la colonne de points pour l’équipe « C » égale à 10.

Notez qu’il ne s’agit que d’un exemple de filtre que nous pourrions appliquer.

Par exemple, nous pourrions appliquer un autre filtre dans lequel nous filtrerons les équipes dont au moins une valeur dans la colonne des points est supérieure à 13 :

library(dplyr)

#group by team and filter out teams where no points value is greater than 13
df %>%
  group_by(team) %>%
  filter(any(points > 13))

# A tibble: 3 x 2
# Groups:   team [1]
  team  points
    
1 A         10
2 A         15
3 A          8

Notez que seules les lignes où l’ équipe est égale à « A » sont conservées puisque c’est la seule équipe avec au moins une valeur de points supérieure à 13.

Remarque : Vous pouvez trouver la documentation complète de la fonction de filtre dans dplyr ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans dplyr :

Comment sélectionner la première ligne par groupe à l’aide de dplyr
Comment filtrer selon plusieurs conditions à l’aide de dplyr
Comment filtrer les lignes contenant une certaine chaîne à l’aide de dplyr