select()

Lo primero sera instalar el paquete con el conjunto de datos que utilizaremos para los ejemplos:

install.packages("devtools")
devtools::install_github("rstudio/EDAWR")

Tendremos que cargar la libreria para poder utilizarla:

library(EDAWR)

Podemos echar un vistazo al conjunto de datos mediante ? or el comando Viem():

?storms
?cases
?pollution
?tb
View(storms)
View(cases)
View(pollution)
View(tb)

Con la función select podemos seleccionar columnas de un data frame:

Visualizamos el contenido del data frame storms:

storms

## Source: local data frame [6 x 4]
## 
##     storm  wind pressure       date
##     (chr) (int)    (int)     (date)
## 1 Alberto   110     1007 2000-08-03
## 2    Alex    45     1009 1998-07-27
## 3 Allison    65     1005 1995-06-03
## 4     Ana    40     1013 1997-06-30
## 5  Arlene    50     1010 1999-06-11
## 6  Arthur    45     1010 1996-06-17

Para seleccionar las variables storm y pressure del data frame ejecutaremos la siguiente instrucción:

select(storms, storm, pressure)

## Source: local data frame [6 x 2]
## 
##     storm pressure
##     (chr)    (int)
## 1 Alberto     1007
## 2    Alex     1009
## 3 Allison     1005
## 4     Ana     1013
## 5  Arlene     1010
## 6  Arthur     1010

Con el guión - podemos excluir una columna:

select(storms, -storm)

## Source: local data frame [6 x 3]
## 
##    wind pressure       date
##   (int)    (int)     (date)
## 1   110     1007 2000-08-03
## 2    45     1009 1998-07-27
## 3    65     1005 1995-06-03
## 4    40     1013 1997-06-30
## 5    50     1010 1999-06-11
## 6    45     1010 1996-06-17

Podemos utilizar la notación : para seleccionar un rango de columnas:

select(storms, wind:date)

## Source: local data frame [6 x 3]
## 
##    wind pressure       date
##   (int)    (int)     (date)
## 1   110     1007 2000-08-03
## 2    45     1009 1998-07-27
## 3    65     1005 1995-06-03
## 4    40     1013 1997-06-30
## 5    50     1010 1999-06-11
## 6    45     1010 1996-06-17

Utilizando los operadores - y : de forma conjunta podemos hacer cosas como estas:

select(storms, -(storm:wind))

## Source: local data frame [6 x 2]
## 
##   pressure       date
##      (int)     (date)
## 1     1007 2000-08-03
## 2     1009 1998-07-27
## 3     1005 1995-06-03
## 4     1013 1997-06-30
## 5     1010 1999-06-11
## 6     1010 1996-06-17

El paquete dplyr proporciona una serie de funciones que nos pueden facilitar mucho nuestro trabajo, como por ejemplo:

#Selecciona columnas cuyo nombre contiene un string
select(storms,starts_with("w"))

## Source: local data frame [6 x 1]
## 
##    wind
##   (int)
## 1   110
## 2    45
## 3    65
## 4    40
## 5    50
## 6    45

#Selecciona columnas cuyo nombre termina con un string
select(storms, ends_with("e"))

## Source: local data frame [6 x 2]
## 
##   pressure       date
##      (int)     (date)
## 1     1007 2000-08-03
## 2     1009 1998-07-27
## 3     1005 1995-06-03
## 4     1013 1997-06-30
## 5     1010 1999-06-11
## 6     1010 1996-06-17

#Selecciona todas las columnas
select(storms, everything())

## Source: local data frame [6 x 4]
## 
##     storm  wind pressure       date
##     (chr) (int)    (int)     (date)
## 1 Alberto   110     1007 2000-08-03
## 2    Alex    45     1009 1998-07-27
## 3 Allison    65     1005 1995-06-03
## 4     Ana    40     1013 1997-06-30
## 5  Arlene    50     1010 1999-06-11
## 6  Arthur    45     1010 1996-06-17

#Selecciona columnas cuyo nombres contienen un string
select(storms, contains("essure"))

## Source: local data frame [6 x 1]
## 
##   pressure
##      (int)
## 1     1007
## 2     1009
## 3     1005
## 4     1013
## 5     1010
## 6     1010

A continuación mostramos un resumen de las funciones para select que nos serán muy útiles: