R में डेटा को Subset कैसे करें: Select, Filter, और Extract

किसी विशिष्ट कॉलम से पंक्तियाँ चुनना

ध्यान देने योग्य एक व्यवहार वह सरलीकरण है जो तब होता है जब आप एक ही कॉलम चुनते हैं। केवल payment कॉलम की पहली तीन पंक्तियाँ चुनने पर परिणाम एक वेक्टर में सरल हो जाता है।

debt[1:3, 2]

100 200 150

यहाँ 2 का अर्थ debt के दूसरे कॉलम, यानी payment से है। क्योंकि हमने एक ही कॉलम चुना, R डेटा फ़्रेम संरचना हटाकर एक साधारण न्यूमेरिक वेक्टर लौटाता है।

डेटाफ्रेम फ़ॉर्मैटिंग

इसे dataframe के रूप में बनाए रखने के लिए, नीचे दिखाए अनुसार drop = FALSE जोड़ दें: 

debt[1:3, 2, drop = FALSE]

    payment
1       100
2       200
3       150

किसी विशिष्ट कॉलम का चयन

आप $ ऑपरेटर से भी एक कॉलम चुन सकते हैं, जैसे dataframe$column। निम्न उदाहरण में debt से payment कॉलम निकाला गया है। R परिणाम को डेटा फ़्रेम के बजाय वेक्टर के रूप में लौटाता है।

debt$payment

100 200 150 50 75 100

subset() फ़ंक्शन का उपयोग

जब आपको अधिक जटिल subsets चाहिए हों या किसी कंडीशन पर आधारित subset बनाना हो, तो अगला कदम subset() फ़ंक्शन का उपयोग है। उदाहरण के लिए, मान लीजिए आप Dan नामक व्यक्ति का debt देखना चाहते हैं। आप ब्रैकेट्स से उनकी एंट्री चुनकर टोटल कर सकते हैं, पर यह तरीका बहुत मज़बूत नहीं है, खासकर जब डेटासेट में बदलाव हो सकते हैं।

# यह काम करता है, लेकिन सूचनात्मक नहीं है
debt[1:3, ]

श्रेणीबद्ध चर पर subset()

बेहतर तरीका यह है कि subset() का उपयोग करके वे पंक्तियाँ चुनें जहाँ name कॉलम Dan के बराबर हो। ध्यान दें कि यहाँ डबल इक्वल्स साइन (==) चाहिए, जिसे relational operator कहा जाता है।

# यह काम करता है, लेकिन न तो सूचनात्मक है और न ही मज़बूत
debt[1:3, ]

# कहीं अधिक सूचनात्मक!
subset(debt, name == "Dan")

      name     payment
1      Dan         100
2      Dan         200
3      Dan         150

परिणाम में केवल वे तीन पंक्तियाँ हैं जहाँ name "Dan" के बराबर है। ध्यान दें कि मूल पंक्ति संख्याएँ (1, 2, 3) संरक्षित रहती हैं, जिससे आप परिणाम को स्रोत डेटा फ़्रेम तक ट्रेस कर सकते हैं।

सांख्यिकीय चर पर subset()

हम न्यूमेरिक कॉलम पर भी subset कर सकते हैं। यदि हम वे पंक्तियाँ देखना चाहें जहाँ payments $100 के बराबर हों, तो आप यह करेंगे:

subset(debt, payment == 100)

      name  payment
1      Dan      100
6      Rob      100

दो पंक्तियाँ कंडीशन से मेल खाती हैं: पंक्ति 1 (Dan) और पंक्ति 6 (Rob) दोनों के payment ठीक $100 हैं। यह दर्शाता है कि subset() नाम की परवाह किए बिना हर पंक्ति स्कैन करता है और सभी मैच लौटाता है।

डेटाफ्रेम्स को एक्सेस और subset करना

यदि आपको केवल कंपनी A से cash flows चाहिएँ? यहाँ subset() फ़ंक्शन एक अलग डेटा फ़्रेम cash से पंक्तियाँ फ़िल्टर करता है:

subset(cash, company == "A")

      company  cash_flow  year
1           A       1000     1
2           A       4000     3
3           A        550     4

याद रखें:

• subset() को दिया गया पहला आर्ग्युमेंट आपके डेटा फ़्रेम का नाम होता है, यहाँ cash।

• ध्यान दें कि आपको company को उद्धरण चिह्नों में नहीं रखना चाहिए!

• == इक्वैलिटी ऑपरेटर है। यह जाँचता है कि दो चीजें कहाँ बराबर हैं और एक लॉजिकल वेक्टर लौटाता है।

subset() विधि का इंटरैक्टिव उदाहरण

निम्न उदाहरण में, हम subset() का उपयोग करके cash की वे पंक्तियाँ चुनते हैं जो कंपनी B से संबंधित हैं, फिर 1 वर्ष में देय cash flows को फ़िल्टर करते हैं।

# कंपनी B से संबंधित पंक्तियाँ
subset(cash, company == "B")

# 1 वर्ष में देय cash flows वाली पंक्तियाँ
subset(cash, year == 1)

जब आप ऊपर का कोड चलाते हैं, तो यह निम्न परिणाम देता है:

  company cash_flow year
4       B      1500    1
5       B      1100    2
6       B       750    4
7       B      6000    5

  company cash_flow year
1       A      1000    1
4       B      1500    1

इसे स्वयं आज़माएँ: Introduction to R for Finance कोर्स में।

यह सामग्री DataCamp के Introduction to R for Finance कोर्स (लेखक: Lore Dirick) से ली गई है।

dplyr के साथ Subsetting

tidyverse का पैकेज dplyr डेटा फ़्रेम्स को subset करने का एक आधुनिक विकल्प प्रदान करता है। इसका filter() फ़ंक्शन पंक्तियाँ चुनता है और select() कॉलम, दोनों pipe-बेस्ड सिंटैक्स का उपयोग करते हैं जो ऑपरेशनों को चेन करता है।

library(dplyr)

# वे पंक्तियाँ फ़िल्टर करें जहाँ name "Dan" है
debt %>% filter(name == "Dan")

# केवल payment कॉलम चुनें (डेटा फ़्रेम ही रहता है)
debt %>% select(payment)

# संयोजन: एक ही पाइपलाइन में पंक्तियाँ फ़िल्टर करें और कॉलम चुनें
debt %>%
  filter(payment >= 100) %>%
  select(name, payment)

subset() के विपरीत, dplyr फ़ंक्शन अन्य फ़ंक्शनों के अंदर भरोसेमंद ढंग से काम करते हैं और उसी पाइपलाइन में grouped operations, joins, और summaries को संभालते हैं। यदि आप एकबारगी क्वेरी के बजाय डेटा विश्लेषण वर्कफ़्लो बना रहे हैं, तो dplyr मानक टूल है।

Subsetting तरीकों की तुलना

आइए R में विभिन्न subsetting तरीकों की तुलना एक तालिका में करें:

अंतिम विचार

R आपको डेटा subset करने के कई तरीके देता है: पूर्ण नियंत्रण के लिए bracket notation [], पढ़ने योग्य इंटरैक्टिव फ़िल्टरिंग के लिए subset(), और डेटा पाइपलाइनों के लिए dplyr::filter()। Brackets किसी भी R ऑब्जेक्ट पर काम करते हैं, subset() एकबारगी एक्सप्लोरेशन के लिए स्पष्ट पढ़ाई देता है, और dplyr तब अच्छा स्केल करता है जब आप कई ऑपरेशनों को चेन कर रहे हों।

R में डेटा मैनिपुलेशन को गहराई से सीखने के लिए, मैं Data Manipulation with dplyr या DataCamp पर Introduction to the Tidyverse कोर्स की अनुशंसा करता हूँ।