我有一个名为“mydata”的数据帧，它看起来像这样:
A B C D
1. 5 4 4 4
2. 5 4 4 4
3. 5 4 4 4
4. 5 4 4 4
5. 5 4 4 4
6. 5 4 4 4
7. 5 4 4 4
我想删除第2行，第4行，第6行。例如，像这样:
A B C D
1. 5 4 4 4
3. 5 4 4 4
5. 5 4 4 4
7. 5 4 4 4
当前回答
简化顺序:
mydata[-(1:3 * 2), ]
顺序如下:
mydata[seq(1, nrow(mydata), by = 2) , ]
由负序排列:
mydata[-seq(2, nrow(mydata), by = 2) , ]
或者如果你想通过选择奇数来子集:
mydata[which(1:nrow(mydata) %% 2 == 1) , ]
或者如果你想通过选择奇数来子集，版本2:
mydata[which(1:nrow(mydata) %% 2 != 0) , ]
或者如果你想通过过滤偶数来子集:
mydata[!which(1:nrow(mydata) %% 2 == 0) , ]
或者如果你想通过过滤偶数来子集，版本2:
mydata[!which(1:nrow(mydata) %% 2 != 1) , ]
其他回答
为了完整起见，我将补充说，这也可以用dplyr使用slice来完成。使用它的好处是它可以成为管道工作流的一部分。
df <- df %>%
.
.
slice(-c(2, 4, 6)) %>%
.
.
当然，您也可以在没有管道的情况下使用。
df <- slice(df, -c(2, 4, 6))
“非向量”格式，-c(2,4,6)表示获取不在第2,4,6行的所有内容。对于一个使用范围的例子，假设你想删除前5行，你可以使用slice(df, 6:n())。有关更多示例，请参阅文档。
简化顺序:
mydata[-(1:3 * 2), ]
顺序如下:
mydata[seq(1, nrow(mydata), by = 2) , ]
由负序排列:
mydata[-seq(2, nrow(mydata), by = 2) , ]
或者如果你想通过选择奇数来子集:
mydata[which(1:nrow(mydata) %% 2 == 1) , ]
或者如果你想通过选择奇数来子集，版本2:
mydata[which(1:nrow(mydata) %% 2 != 0) , ]
或者如果你想通过过滤偶数来子集:
mydata[!which(1:nrow(mydata) %% 2 == 0) , ]
或者如果你想通过过滤偶数来子集，版本2:
mydata[!which(1:nrow(mydata) %% 2 != 1) , ]
在数据帧中创建id列或使用任何列名来标识行。使用索引删除是不公平的。
使用子集函数创建新的框架。
updated_myData <- subset(myData, id!= 6)
print (updated_myData)
updated_myData <- subset(myData, id %in% c(1, 3, 5, 7))
print (updated_myData)
按行号删除的问题
对于快速和肮脏的分析，您可以根据顶部的答案通过数字删除data.frame的行。也就是说,
newdata <- myData[-c(2, 4, 6), ]
但是，如果试图编写健壮的数据分析脚本，通常应该避免按数字位置删除行。这是因为数据中的行顺序将来可能会改变。data.frame或数据库表的一般原则是行顺序不重要。如果顺序很重要，则应该将其编码在data.frame中的一个实际变量中。
例如，假设您导入了一个数据集，并在检查了数据并确定了要删除的行的行号之后，按数字位置删除了行。但是，在稍后的某个时刻，您将进入原始数据并查看并重新排序数据。您的行删除代码现在将删除错误的行，更糟糕的是，您不太可能得到任何警告您已经发生这种情况的错误。
更好的战略
更好的策略是根据行的实质性和稳定属性删除行。例如，如果您有一个唯一标识每种情况的id列变量，您可以使用它。
newdata <- myData[ !(myData$id %in% c(2,4,6)), ]
其他时候，您将有一个可以指定的正式排除标准，并且您可以使用R中的许多子集工具之一来基于该规则排除情况。
从员工中删除Dan。data -不需要管理新的data.frame。
employee.data <- subset(employee.data, name!="Dan")
