R语言选出数据框指定列中非数字的数据并将其对应的整行提取出来构成新的数据框

可以使用 R 语言中的 is.na() 和 !is.numeric() 函数来选出数据框指定列中非数字的数据，并使用 subset() 函数将其对应的整行提取出来构成新的数据框。具体的代码如下：

假设我们有一个数据框 df，其中包含两列数据 x 和 y：

df <- data.frame(x = c(1, 2, "a", 4, 5), y = c("A", "B", 3, "D", 5))

我们想要选出 x 列中非数字的数据，并将其对应的整行提取出来构成新的数据框 new_df。可以使用如下代码：

new_df <- subset(df, !is.numeric(x) | is.na(as.numeric(x)))

这里的 is.numeric() 函数用于判断 x 列中的数据是否为数字，as.numeric() 函数则将 x 列中的数据转换为数字。如果 x 列中的数据不是数字，则 !is.numeric(x) 返回 TRUE，如果是数字但是包含缺失值，则 is.na(as.numeric(x)) 返回 TRUE。使用 | 运算符将这两个条件组合起来，即可得到非数字的数据。subset() 函数用于根据条件筛选数据框中的行，这里将选出 x 列中非数字的数据所对应的整行。将筛选结果赋值给新的数据框 new_df，即可得到符合要求的数据框。

相关问题

R语言 数据框指定列中数据可以转为数值型的全部转为数值型，不能转的保留字符型

可以使用 `sapply()` 函数和 `grepl()` 函数来实现这个功能。`sapply()` 函数可以对数据框的每一列应用相同的操作，而 `grepl()` 函数可以检查一个字符串是否包含数字。

具体步骤如下：

1. 首先将需要转换的列选出来，可以使用下标或者列名进行选择，例如我们选出第2列到第5列进行转换：

cols <- 2:5 # 或者 cols <- c("col2", "col3", "col4", "col5")

2. 然后使用 `sapply()` 函数应用一个函数来判断每一个元素是否可以转换为数值型。如果可以转换，则转换为数值型，否则保留字符型。

df[, cols] <- sapply(df[, cols], function(x) {
  if (all(grepl("[0-9]", x))) {
    as.numeric(x)
  } else {
    x
  }
})

在上面的代码中，我们使用了 `grepl()` 函数来检查每一个元素是否包含数字。如果所有元素都包含数字，则使用 `as.numeric()` 函数将这些元素转换为数值型；否则保留字符型。

注意，上述代码中使用了 `all()` 函数来判断一个向量中的所有元素是否都满足某个条件。这是因为 `grepl()` 函数返回的是一个逻辑向量，表示每一个元素是否包含数字，如果直接将这个逻辑向量传给 `if()` 函数，则会产生一个警告。

另外，需要注意的是，如果选中的列中包含了缺失值（NA），则转换后会变成 `NA`，而不是字符型。如果需要将缺失值保留为字符型，可以使用 `ifelse()` 函数进行判断。

我有两个数据框，数据框一包含两列数据列，数据框二包含三列数据列，要求用r语言写一段代码，使得数据框二中同时满足其中两列数据列中数据与数据框一中数据相同的行输出

以下是使用 R 语言的代码，实现数据框二中同时满足其中两列数据列中数据与数据框一中数据相同的行输出：

# 创建数据框一和数据框二
df1 <- data.frame(A = c(1, 2, 3), B = c(4, 5, 6))
df2 <- data.frame(C = c(1, 2, 3), D = c(4, 6, 8), E = c(7, 9, 10))

# 选择数据框二中满足两列数据与数据框一中的数据相同的行
output <- df2[(df2$C %in% df1$A & df2$D %in% df1$B), ]

# 打印输出结果
print(output)

解释：代码中首先创建了数据框一和数据框二，然后使用 `%in%` 运算符选出数据框二中同时满足其中两列数据列中数据与数据框一中数据相同的行，最后将结果保存到变量 `output` 中，并打印输出结果。