Cara Melakukan Subset Data di R: Memilih, Memfilter, dan Mengekstrak Data

Memilih baris dari kolom tertentu

Salah satu perilaku yang perlu diperhatikan adalah penyederhanaan yang terjadi saat Anda memilih satu kolom. Memilih tiga baris pertama hanya dari kolom payment menyederhanakan hasil menjadi sebuah vektor.

debt[1:3, 2]

100 200 150

Angka 2 di sini merujuk pada kolom kedua dari debt, yaitu payment. Karena kita memilih satu kolom, R menghapus struktur data frame dan mengembalikan vektor numerik biasa.

Pemformatan dataframe

Untuk mempertahankannya sebagai dataframe, cukup tambahkan drop = FALSE seperti di bawah ini: 

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

    payment
1       100
2       200
3       150

Memilih kolom tertentu

Anda juga dapat memilih satu kolom dengan operator $ dengan menulis dataframe$column. Contoh berikut mengekstrak kolom payment dari debt. R mengembalikan hasil sebagai vektor, bukan data frame.

debt$payment

100 200 150 50 75 100

Menggunakan Fungsi subset()

Ketika ingin membuat subset yang lebih kompleks atau subset berdasarkan sebuah kondisi, langkah berikutnya adalah menggunakan fungsi subset(). Misalnya, bagaimana jika Anda ingin melihat utang dari seseorang bernama Dan. Anda bisa saja menggunakan bracket untuk memilih utangnya dan menjumlahkannya, tetapi itu bukan cara yang sangat andal, terutama jika ada potensi perubahan pada dataset.

# Ini berfungsi, tetapi tidak informatif
debt[1:3, ]

subset() pada variabel kategorikal

Cara yang lebih baik adalah menggunakan fungsi subset() untuk memilih baris di mana kolom name sama dengan Dan. Perhatikan bahwa harus ada tanda sama dengan ganda (==), yang dikenal sebagai operator relasional.

# Ini berfungsi, tetapi tidak informatif dan tidak andal
debt[1:3, ]

# Jauh lebih informatif!
subset(debt, name == "Dan")

      name     payment
1      Dan         100
2      Dan         200
3      Dan         150

Hasilnya hanya berisi tiga baris di mana name sama dengan "Dan". Perhatikan bahwa nomor baris asli (1, 2, 3) dipertahankan, yang membantu Anda menelusuri hasil kembali ke data frame sumber.

subset() pada variabel numerik

Kita juga dapat melakukan subset pada kolom numerik. Jika kita ingin melihat baris di mana pembayaran sama dengan $100, Anda akan melakukan hal berikut:

subset(debt, payment == 100)

      name  payment
1      Dan      100
6      Rob      100

Dua baris memenuhi kondisi: baris 1 (Dan) dan baris 6 (Rob) sama-sama memiliki pembayaran tepat $100. Ini menunjukkan bahwa subset() memindai setiap baris terlepas dari name, dan mengembalikan semua kecocokan.

Mengakses dan Melakukan Subset Dataframe

Bagaimana jika Anda hanya membutuhkan arus kas dari perusahaan A? Di sini fungsi subset() memfilter baris dari data frame lain, cash:

subset(cash, company == "A")

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

Ingat:

• Argumen pertama yang Anda berikan ke subset() adalah nama dataframe Anda, cash.

• Perhatikan bahwa Anda tidak boleh menuliskan company dalam tanda kutip!

• == adalah operator kesetaraan. Operator ini menguji di mana dua hal sama dan mengembalikan vektor logis.

Contoh Interaktif Metode subset()

Pada contoh berikut, kita menggunakan subset() untuk memilih baris cash yang sesuai dengan perusahaan B, lalu memfilter arus kas yang jatuh tempo dalam 1 tahun.

# Baris tentang perusahaan B
subset(cash, company == "B")

# Baris dengan arus kas yang jatuh tempo dalam 1 tahun
subset(cash, year == 1)

Saat Anda menjalankan kode di atas, akan menghasilkan keluaran berikut:

  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

Coba sendiri di kursus Introduction to R for Finance kami.

Konten ini diambil dari kursus Introduction to R for Finance oleh Lore Dirick di DataCamp.

Subsetting dengan dplyr

Paket tidyverse dplyr menyediakan alternatif modern untuk melakukan subset pada data frame. Fungsinya filter() memilih baris dan select() memilih kolom, keduanya menggunakan sintaks berbasis pipe yang merangkai operasi secara berurutan.

library(dplyr)

# Filter baris di mana name adalah "Dan"
debt %>% filter(name == "Dan")

# Pilih hanya kolom payment (tetap sebagai data frame)
debt %>% select(payment)

# Gabungkan: filter baris dan pilih kolom dalam satu pipeline
debt %>%
  filter(payment >= 100) %>%
  select(name, payment)

Tidak seperti subset(), fungsi-fungsi dplyr bekerja andal di dalam fungsi lain dan menangani operasi berkelompok, join, dan ringkasan dalam satu pipeline. Jika Anda membangun alur kerja analisis data alih-alih menjalankan kueri satuan, dplyr adalah alat standar.

Perbandingan Metode Subsetting

Mari bandingkan berbagai metode subsetting di R dalam sebuah tabel:

Pemikiran Akhir

R menyediakan beberapa cara untuk melakukan subset data: notasi bracket [] untuk kontrol penuh, subset() untuk penyaringan interaktif yang mudah dibaca, dan dplyr::filter() untuk pipeline data. Bracket bekerja pada objek R apa pun, subset() mudah dipahami untuk eksplorasi satuan, dan dplyr terukur dengan baik saat Anda merangkai banyak operasi.

Untuk mendalami manipulasi data di R, saya merekomendasikan kursus Data Manipulation with dplyr atau Introduction to the Tidyverse di DataCamp.