{"id":4576,"date":"2018-09-14T08:55:49","date_gmt":"2018-09-14T07:55:49","guid":{"rendered":"https:\/\/thinkr.fr\/abcdr\/?p=4576"},"modified":"2018-09-14T08:55:49","modified_gmt":"2018-09-14T07:55:49","slug":"comment-supprimer-une-colonne-ou-une-ligne-dans-un-dataframe-avec-le-tidyverse-et-dplyr","status":"publish","type":"post","link":"https:\/\/thinkr.fr\/abcdr\/comment-supprimer-une-colonne-ou-une-ligne-dans-un-dataframe-avec-le-tidyverse-et-dplyr\/","title":{"rendered":"Comment supprimer une colonne ou une ligne dans un dataframe avec le tidyverse et dplyr ?"},"content":{"rendered":"<p>Comme on est dans le {tidyverse}, on va utiliser les bons termes :<\/p>\n<ul>\n<li>Nous allons utiliser le pipe pour rendre le code plus clair ( <a href=\"https:\/\/thinkr.fr\/abcdr\/le-pipe-quest-ce-que-cest\/\">Le pipe, qu&rsquo;est-ce que c&rsquo;est ?<\/a> )<\/li>\n<li>On ne travaille plus avec des dataframes, mais avec des tibble: (<a href=\"https:\/\/thinkr.fr\/abcdr\/tibble-ou-data-frame\/\">tibble ou data.frame ?<\/a>)<\/li>\n<li>Et donc on ne supprime pas de ligne, mais on filtre les donn\u00e9es en fonction d&rsquo;une condition.<\/li>\n<\/ul>\n<p>En effet, si vous souhaitez retirer des lignes de donn\u00e9es, vous avez s\u00fbrement une bonne raison. Cette bonne raison se trouve dans les donn\u00e9es elles-m\u00eames. Vous utilisez donc cette information pour filtrer les donn\u00e9es.<\/p>\n<pre class=\"r\"><code>\nlibrary(dplyr)\n\niris %&gt;%\nfilter(Species != \"setosa\")\n<\/code><\/pre>\n<p>Pour en savoir un peu plus sur la fonction <code>filter<\/code>:<a href=\"https:\/\/thinkr.fr\/abcdr\/comment-filtrer-un-jeu-de-donnees-avec-dplyr\/\">\u00a0Comment filtrer un jeu de donn\u00e9es avec dplyr ? : filter()<\/a><\/p>\n<ul>\n<li>De m\u00eame, on ne supprime pas de colonne, mais on s\u00e9lectionne celles que l&rsquo;on veut garder. Toutefois, avec le \u00ab\u00a0helper\u00a0\u00bb <code>-<\/code> (signe n\u00e9gatif), il est possible d&rsquo;anti-s\u00e9lectionner une colonne. Par ailleurs, il vaut mieux nommer la colonne que l&rsquo;on veut retirer, m\u00eame si c&rsquo;est toujours possible de donner sa position (mais non recommand\u00e9 pour la reproductibilit\u00e9 du code)<\/li>\n<\/ul>\n<pre class=\"r\"><code>\n# Column\niris %&gt;%\nselect(-Species)\n\niris %&gt;%\nselect(-5)\n<\/code><\/pre>\n<p>Pour en savoir plus sur <code>select<\/code>, c&rsquo;est par ici: <a href=\"https:\/\/thinkr.fr\/abcdr\/comment-selectionner-des-colonnes-dans-un-data-frame-select\/\">Comment s\u00e9lectionner des colonnes dans un data.frame ? select()<\/a><\/p>\n<p>Enfin, pour un petit tutoriel sur {dplyr}, c&rsquo;est par ici: <a href=\"https:\/\/thinkr.fr\/utiliser-la-grammaire-dplyr-pour-triturer-ses-donnees\/\">Utiliser la grammaire dplyr pour triturer ses donn\u00e9es<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Comme on est dans le {tidyverse}, on va utiliser les bons termes : Nous allons utiliser le pipe pour rendre le code plus clair ( Le pipe, qu&rsquo;est-ce que c&rsquo;est ? ) On ne travaille plus avec des dataframes, mais avec des tibble: (tibble ou data.frame ?) Et donc on ne supprime pas de ligne, mais on filtre les donn\u00e9es en fonction d&rsquo;une condition. En effet, si vous souhaitez retirer des lignes de donn\u00e9es, vous avez s\u00fbrement une bonne raison. Cette bonne raison se trouve dans les donn\u00e9es elles-m\u00eames. Vous utilisez donc cette information pour filtrer les donn\u00e9es. library(dplyr) iris %&gt;% filter(Species != \u00ab\u00a0setosa\u00a0\u00bb) Pour<a class=\"more-link\" href=\"https:\/\/thinkr.fr\/abcdr\/comment-supprimer-une-colonne-ou-une-ligne-dans-un-dataframe-avec-le-tidyverse-et-dplyr\/\">Read More &rarr;<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","rop_custom_images_group":[],"rop_custom_messages_group":[],"rop_publish_now":"initial","rop_publish_now_accounts":{"twitter_399453572_399453572":""},"rop_publish_now_history":[],"rop_publish_now_status":"pending","jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[4,12,22,23],"tags":[],"class_list":{"0":"entry","1":"post","2":"publish","3":"author-seb","4":"post-4576","6":"format-standard","7":"category-base-indispensable","8":"category-manipulation-de-donnees","9":"category-tidyverse","10":"category-transformation-de-donnees"},"acf":[],"jetpack_featured_media_url":"","jetpack_shortlink":"https:\/\/wp.me\/p9O7Sx-1bO","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts\/4576","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/comments?post=4576"}],"version-history":[{"count":0,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts\/4576\/revisions"}],"wp:attachment":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/media?parent=4576"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/categories?post=4576"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/tags?post=4576"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}