Filtra le righe di data.frame in base a una condizione logica

Voglio filtrare le righe in data.framebase a una condizione logica. Supponiamo che io abbia un frame di dati simile

   expr_value     cell_type
1    5.345618 bj fibroblast
2    5.195871 bj fibroblast
3    5.247274 bj fibroblast
4    5.929771          hesc
5    5.873096          hesc
6    5.665857          hesc
7    6.791656          hips
8    7.133673          hips
9    7.574058          hips
10   7.208041          hips
11   7.402100          hips
12   7.167792          hips
13   7.156971          hips
14   7.197543          hips
15   7.035404          hips
16   7.269474          hips
17   6.715059          hips
18   7.434339          hips
19   6.997586          hips
20   7.619770          hips
21   7.490749          hips

Quello che voglio è ottenere un nuovo frame di dati che assomigli allo stesso, ma abbia solo i dati per un cell_type. Ad esempio sottoinsieme / selezionare righe che contengono il tipo di cella "hesc":

   expr_value     cell_type
1    5.929771          hesc
2    5.873096          hesc
3    5.665857          hesc

O tipo di cellula "bj fibroblast" o "hesc":

   expr_value     cell_type
1    5.345618 bj fibroblast
2    5.195871 bj fibroblast
3    5.247274 bj fibroblast
4    5.929771          hesc
5    5.873096          hesc
6    5.665857          hesc

C'è un modo semplice per farlo?

Ho provato:

expr[expr[2] == 'hesc']
# [1] "5.929771" "5.873096" "5.665857" "hesc"     "hesc"     "hesc"    

se il frame di dati originale si chiama "expr", ma fornisce i risultati in un formato errato, come puoi vedere.

Per selezionare le righe in base a un 'tipo_cella' (ad esempio 'hesc'), utilizzare ==:

expr[expr$cell_type == "hesc", ]

Per selezionare le righe in base a due o più "cell_type" diversi (ad esempio "hesc" o "bj fibroblast"), utilizzare %in%:

expr[expr$cell_type %in% c("hesc", "bj fibroblast"), ]

Usa subset(per uso interattivo)

subset(expr, cell_type == "hesc")
subset(expr, cell_type %in% c("bj fibroblast", "hesc"))

o meglio dplyr::filter()

filter(expr, cell_type %in% c("bj fibroblast", "hesc"))

Il motivo expr[expr[2] == 'hesc']non funziona è che per un frame di dati, x[y]seleziona colonne, non righe. Se si desidera selezionare le righe, passare x[y,]invece alla sintassi :

> expr[expr[2] == 'hesc',]
  expr_value cell_type
4   5.929771      hesc
5   5.873096      hesc
6   5.665857      hesc

È possibile utilizzare il dplyrpacchetto:

library(dplyr)
filter(expr, cell_type == "hesc")
filter(expr, cell_type == "hesc" | cell_type == "bj fibroblast")

Nessuno sembra aver incluso la funzione. Può anche rivelarsi utile per il filtraggio.

expr[which(expr$cell == 'hesc'),]

Questo gestirà anche i NA e li eliminerà dal frame di dati risultante.

Eseguendolo su un dataframe 9840 per 24 50000 volte, sembra che il metodo abbia un tempo di esecuzione del 60% più veloce rispetto al metodo% in%.

Stavo lavorando su un frame di dati e non ho avuto fortuna con le risposte fornite, ha sempre restituito 0 righe, quindi ho trovato e usato grepl:

df = df[grepl("downlink",df$Transmit.direction),]

Che sostanzialmente ha ridotto il mio frame di dati solo alle righe che contenevano "downlink" nella colonna Direzione di trasmissione. PS Se qualcuno può indovinare il motivo per cui non vedo il comportamento previsto, si prega di lasciare un commento.

In particolare alla domanda originale:

expr[grepl("hesc",expr$cell_type),]

expr[grepl("bj fibroblast|hesc",expr$cell_type),]

A volte la colonna che si desidera filtrare può apparire in una posizione diversa rispetto all'indice di colonna 2 o avere un nome variabile.

In questo caso, puoi semplicemente fare riferimento al nome della colonna che desideri filtrare come:

columnNameToFilter = "cell_type"
expr[expr[[columnNameToFilter]] == "hesc", ]

possiamo usare la libreria data.table

  library(data.table)
  expr <- data.table(expr)
  expr[cell_type == "hesc"]
  expr[cell_type %in% c("hesc","fibroblast")]

o filtrare usando l' %like%operatore per la corrispondenza del modello

 expr[cell_type %like% "hesc"|cell_type %like% "fibroblast"]

Per me ha funzionato come per magia.

celltype_hesc_bool = expr['cell_type'] == 'hesc'

expr_celltype_hesc = expr[celltype_hesc]

Controlla questo post sul blog