Author

wbd

quarto install tinytex

选择列修改列

复杂的数据操作可以分解为5种基本数据操作的组合：

  • select() — 选择列

  • filter()/slice() — 筛选行

  • arrange() — 对行排序

  • mutate() — 修改列/创建新列

  • summarize() — 汇总

都可以与

  • group_by() — 分组

连用，以改变数据操作的作用域

一、选择列

  • 选择列，包括对数据框做选择列、调整列序、重命名列
Code 
df = read_xlsx("D:\\科目\\R\\tidyverse\\R书课件\\数据集(课件配套)\\ExamDatas_NAs.xlsx")
head(df)
# A tibble: 6 × 8
  class name   sex   chinese  math english moral science
  <chr> <chr>  <chr>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
1 六1班 何娜   女         87    92      79     9      10
2 六1班 黄才菊 女         95    77      75    NA       9
3 六1班 陈芳妹 女         79    87      66     9      10
4 六1班 陈学勤 男         NA    79      66     9      10
5 六1班 陈祝贞 女         76    79      67     8      10
6 六1班 何小薇 女         83    73      65     8       9

1.选择列语法

（1）用列名或索引选择列

Code 
df %>% 
  select(name, sex, math) # 或者 select(2, 3, 5)
# A tibble: 50 × 3
   name   sex    math
   <chr>  <chr> <dbl>
 1 何娜   女       92
 2 黄才菊 女       77
 3 陈芳妹 女       87
 4 陈学勤 男       79
 5 陈祝贞 女       79
 6 何小薇 女       73
 7 雷旺   男       80
 8 陈欣越 男       80
 9 黄亦婷 女       NA
10 陈媚   女       55
# … with 40 more rows

（2）借助运算符选择列

  • 用 : 学者连续的若干列

  • 用 ！选择变量集合的余集（反选）

  • 用 &和|选择变量集合的交或并

  • 用 c() 合并多个选择

（3）借助选择助手函数

  • everything()：选择所有列

  • last_col()：选择最后一列或倒数第几列

  • 选择列名匹配的列

    start_with()：以某前缀开头的列名

    end_with()：以某后缀结尾的列名

    contains()：包含某字符串的列名

    matches()：匹配正则表达式的列名

    num_range()：匹配数值范围的列名：如num_range(“x”, 1:3) 匹配x1, x2, x3

    结合函数选择列：where()，比如where与is.numeric()连用选择数值列

2.一些选择的示例

Code 
df %>% 
  select(starts_with("m"))
# A tibble: 50 × 2
    math moral
   <dbl> <dbl>
 1    92     9
 2    77    NA
 3    87     9
 4    79     9
 5    79     8
 6    73     8
 7    80     8
 8    80     9
 9    NA     8
10    55     8
# … with 40 more rows

根据条件（逻辑判断）选择列，选择所有数值型的列

Code 
df %>% 
  select(where(is.numeric))
# A tibble: 50 × 5
   chinese  math english moral science
     <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1      87    92      79     9      10
 2      95    77      75    NA       9
 3      79    87      66     9      10
 4      NA    79      66     9      10
 5      76    79      67     8      10
 6      83    73      65     8       9
 7      NA    80      68     8       9
 8      57    80      60     9       9
 9      77    NA      54     8      10
10      68    55      66     8       9
# … with 40 more rows

自定义返回TRUE或FALSE的判断函数，支持purr风格公式

Code 
df %>% 
  select(where(is.numeric)) %>% 
  select(where(~sum(.x, na.rm = TRUE) > 3000))
# A tibble: 50 × 2
   chinese  math
     <dbl> <dbl>
 1      87    92
 2      95    77
 3      79    87
 4      NA    79
 5      76    79
 6      83    73
 7      NA    80
 8      57    80
 9      77    NA
10      68    55
# … with 40 more rows

选择唯一值数目小于10的列（去重后数目小于10）

Code 
df %>% 
  select(where(~ n_distinct(.x) < 10))
# A tibble: 50 × 4
   class sex   moral science
   <chr> <chr> <dbl>   <dbl>
 1 六1班 女        9      10
 2 六1班 女       NA       9
 3 六1班 女        9      10
 4 六1班 男        9      10
 5 六1班 女        8      10
 6 六1班 女        8       9
 7 六1班 男        8       9
 8 六1班 男        9       9
 9 六1班 女        8      10
10 六1班 女        8       9
# … with 40 more rows

3.用”-“输出列

Code 
df %>% 
  select(-c(name, chinese, science))
# A tibble: 50 × 5
   class sex    math english moral
   <chr> <chr> <dbl>   <dbl> <dbl>
 1 六1班 女       92      79     9
 2 六1班 女       77      75    NA
 3 六1班 女       87      66     9
 4 六1班 男       79      66     9
 5 六1班 女       79      67     8
 6 六1班 女       73      65     8
 7 六1班 男       80      68     8
 8 六1班 男       80      60     9
 9 六1班 女       NA      54     8
10 六1班 女       55      66     8
# … with 40 more rows

4.调整列的顺序

列是根据被选择的顺序排列：

Code 
df %>% 
  select(ends_with("e"), math, name, class, sex)
# A tibble: 50 × 6
   name   chinese science  math class sex  
   <chr>    <dbl>   <dbl> <dbl> <chr> <chr>
 1 何娜        87      10    92 六1班 女   
 2 黄才菊      95       9    77 六1班 女   
 3 陈芳妹      79      10    87 六1班 女   
 4 陈学勤      NA      10    79 六1班 男   
 5 陈祝贞      76      10    79 六1班 女   
 6 何小薇      83       9    73 六1班 女   
 7 雷旺        NA       9    80 六1班 男   
 8 陈欣越      57       9    80 六1班 男   
 9 黄亦婷      77      10    NA 六1班 女   
10 陈媚        68       9    55 六1班 女   
# … with 40 more rows

everyting()返回未被选择的所有列，将某一列移动到第一列时很方便

Code 
df %>% 
  select(math, everything())
# A tibble: 50 × 8
    math class name   sex   chinese english moral science
   <dbl> <chr> <chr>  <chr>   <dbl>   <dbl> <dbl>   <dbl>
 1    92 六1班 何娜   女         87      79     9      10
 2    77 六1班 黄才菊 女         95      75    NA       9
 3    87 六1班 陈芳妹 女         79      66     9      10
 4    79 六1班 陈学勤 男         NA      66     9      10
 5    79 六1班 陈祝贞 女         76      67     8      10
 6    73 六1班 何小薇 女         83      65     8       9
 7    80 六1班 雷旺   男         NA      68     8       9
 8    80 六1班 陈欣越 男         57      60     9       9
 9    NA 六1班 黄亦婷 女         77      54     8      10
10    55 六1班 陈媚   女         68      66     8       9
# … with 40 more rows

rolocate(.data, …, .before, .after)：将选择的列移动到某列之前或之后

Code 
df %>% 
relocate(where(is.numeric), .after = name)
# A tibble: 50 × 8
   class name   chinese  math english moral science sex  
   <chr> <chr>    <dbl> <dbl>   <dbl> <dbl>   <dbl> <chr>
 1 六1班 何娜        87    92      79     9      10 女   
 2 六1班 黄才菊      95    77      75    NA       9 女   
 3 六1班 陈芳妹      79    87      66     9      10 女   
 4 六1班 陈学勤      NA    79      66     9      10 男   
 5 六1班 陈祝贞      76    79      67     8      10 女   
 6 六1班 何小薇      83    73      65     8       9 女   
 7 六1班 雷旺        NA    80      68     8       9 男   
 8 六1班 陈欣越      57    80      60     9       9 男   
 9 六1班 黄亦婷      77    NA      54     8      10 女   
10 六1班 陈媚        68    55      66     8       9 女   
# … with 40 more rows

5.重命名列

set_name：为所有列设置新列名

Code 
df %>% 
  set_names(" 班级", " 姓名", " 性别", " 语文"," 数学", " 英语", " 品德", " 科学")
# A tibble: 50 × 8
   ` 班级` ` 姓名` ` 性别` ` 语文` ` 数学` ` 英语` ` 品德` ` 科学`
   <chr>   <chr>   <chr>     <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
 1 六1班   何娜    女           87      92      79       9      10
 2 六1班   黄才菊  女           95      77      75      NA       9
 3 六1班   陈芳妹  女           79      87      66       9      10
 4 六1班   陈学勤  男           NA      79      66       9      10
 5 六1班   陈祝贞  女           76      79      67       8      10
 6 六1班   何小薇  女           83      73      65       8       9
 7 六1班   雷旺    男           NA      80      68       8       9
 8 六1班   陈欣越  男           57      80      60       9       9
 9 六1班   黄亦婷  女           77      NA      54       8      10
10 六1班   陈媚    女           68      55      66       8       9
# … with 40 more rows

rename()：只修改部分列名，格式为：新名 = 旧名

Code 
df %>% 
  rename(数学 = math, 科学 = science)
# A tibble: 50 × 8
   class name   sex   chinese  数学 english moral  科学
   <chr> <chr>  <chr>   <dbl> <dbl>   <dbl> <dbl> <dbl>
 1 六1班 何娜   女         87    92      79     9    10
 2 六1班 黄才菊 女         95    77      75    NA     9
 3 六1班 陈芳妹 女         79    87      66     9    10
 4 六1班 陈学勤 男         NA    79      66     9    10
 5 六1班 陈祝贞 女         76    79      67     8    10
 6 六1班 何小薇 女         83    73      65     8     9
 7 六1班 雷旺   男         NA    80      68     8     9
 8 六1班 陈欣越 男         57    80      60     9     9
 9 六1班 黄亦婷 女         77    NA      54     8    10
10 六1班 陈媚   女         68    55      66     8     9
# … with 40 more rows

6.强大的across()函数

across()人如其名，让零个、一个、或多个函数穿过所选择的列即同时对选择的多列应用若干函数，基本格式为：

across(.cols = everything(), .fns = NULL, …, .name)

二、修改列

修改列，即修改数据框的列，计算新列

1.创建新列

mutate()创建或修改列，返回原数据框并增加新列，默认加在最后一列，参数.before, .after可以设置新列的位置

Code 
df %>% 
  mutate(new = 5, .after = sex)
# A tibble: 50 × 9
   class name   sex     new chinese  math english moral science
   <chr> <chr>  <chr> <dbl>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1 六1班 何娜   女        5      87    92      79     9      10
 2 六1班 黄才菊 女        5      95    77      75    NA       9
 3 六1班 陈芳妹 女        5      79    87      66     9      10
 4 六1班 陈学勤 男        5      NA    79      66     9      10
 5 六1班 陈祝贞 女        5      76    79      67     8      10
 6 六1班 何小薇 女        5      83    73      65     8       9
 7 六1班 雷旺   男        5      NA    80      68     8       9
 8 六1班 陈欣越 男        5      57    80      60     9       9
 9 六1班 黄亦婷 女        5      77    NA      54     8      10
10 六1班 陈媚   女        5      68    55      66     8       9
# … with 40 more rows

正常是以长度等于行数的向量赋值：

Code 
df %>% #n()返回当前分组的样本数，未分组则为总行数
  mutate(new = 1:n(), .after = class)
# A tibble: 50 × 9
   class   new name   sex   chinese  math english moral science
   <chr> <int> <chr>  <chr>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1 六1班     1 何娜   女         87    92      79     9      10
 2 六1班     2 黄才菊 女         95    77      75    NA       9
 3 六1班     3 陈芳妹 女         79    87      66     9      10
 4 六1班     4 陈学勤 男         NA    79      66     9      10
 5 六1班     5 陈祝贞 女         76    79      67     8      10
 6 六1班     6 何小薇 女         83    73      65     8       9
 7 六1班     7 雷旺   男         NA    80      68     8       9
 8 六1班     8 陈欣越 男         57    80      60     9       9
 9 六1班     9 黄亦婷 女         77    NA      54     8      10
10 六1班    10 陈媚   女         68    55      66     8       9
# … with 40 more rows

2.计算新列

用数据框的现有列计算新列，若修改当前列，只需要赋值给原列名

Code 
df %>% 
  mutate(total = chinese + math + english + moral + science, .after = sex)
# A tibble: 50 × 9
   class name   sex   total chinese  math english moral science
   <chr> <chr>  <chr> <dbl>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1 六1班 何娜   女      277      87    92      79     9      10
 2 六1班 黄才菊 女       NA      95    77      75    NA       9
 3 六1班 陈芳妹 女      251      79    87      66     9      10
 4 六1班 陈学勤 男       NA      NA    79      66     9      10
 5 六1班 陈祝贞 女      240      76    79      67     8      10
 6 六1班 何小薇 女      238      83    73      65     8       9
 7 六1班 雷旺   男       NA      NA    80      68     8       9
 8 六1班 陈欣越 男      215      57    80      60     9       9
 9 六1班 黄亦婷 女       NA      77    NA      54     8      10
10 六1班 陈媚   女      206      68    55      66     8       9
# … with 40 more rows

注意：不能用sum(),它会将整个列的内容都加起来，类似的还有mean()等

在同一个muatate()中可以同时创建或计算多个列，他们是从前往后依次计算，所以可以使用前面新创建的列

Code 
df %>% mutate(med = median(math, na.rm = TRUE),
              label = math > med,
              label = as.numeric(label),
              .after = sex)
# A tibble: 50 × 10
   class name   sex     med label chinese  math english moral science
   <chr> <chr>  <chr> <dbl> <dbl>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1 六1班 何娜   女       73     1      87    92      79     9      10
 2 六1班 黄才菊 女       73     1      95    77      75    NA       9
 3 六1班 陈芳妹 女       73     1      79    87      66     9      10
 4 六1班 陈学勤 男       73     1      NA    79      66     9      10
 5 六1班 陈祝贞 女       73     1      76    79      67     8      10
 6 六1班 何小薇 女       73     0      83    73      65     8       9
 7 六1班 雷旺   男       73     1      NA    80      68     8       9
 8 六1班 陈欣越 男       73     1      57    80      60     9       9
 9 六1班 黄亦婷 女       73    NA      77    NA      54     8      10
10 六1班 陈媚   女       73     0      68    55      66     8       9
# … with 40 more rows

3.修改多列

结合across()和选择列语法可以应用函数到多列，从而实现同时修改多列。

（1）应用函数到所有列

将所有列转化为字符型

Code 
df %>% 
  mutate(across(everything(), as.character))
# A tibble: 50 × 8
   class name   sex   chinese math  english moral science
   <chr> <chr>  <chr> <chr>   <chr> <chr>   <chr> <chr>  
 1 六1班 何娜   女    87      92    79      9     10     
 2 六1班 黄才菊 女    95      77    75      <NA>  9      
 3 六1班 陈芳妹 女    79      87    66      9     10     
 4 六1班 陈学勤 男    <NA>    79    66      9     10     
 5 六1班 陈祝贞 女    76      79    67      8     10     
 6 六1班 何小薇 女    83      73    65      8     9      
 7 六1班 雷旺   男    <NA>    80    68      8     9      
 8 六1班 陈欣越 男    57      80    60      9     9      
 9 六1班 黄亦婷 女    77      <NA>  54      8     10     
10 六1班 陈媚   女    68      55    66      8     9      
# … with 40 more rows

（2）对所有数值列做归一化

Code 
df %>% 
  mutate(across(where(is.numeric), ~(.x - min(.x, na.rm = TRUE))/
                  (max(.x, na.rm = TRUE) - min(.x, na.rm = TRUE))))
# A tibble: 50 × 8
   class name   sex   chinese   math english  moral science
   <chr> <chr>  <chr>   <dbl>  <dbl>   <dbl>  <dbl>   <dbl>
 1 六1班 何娜   女      0.843  0.974   1      0.875   1    
 2 六1班 黄才菊 女      1      0.776   0.926 NA       0.833
 3 六1班 陈芳妹 女      0.686  0.908   0.759  0.875   1    
 4 六1班 陈学勤 男     NA      0.803   0.759  0.875   1    
 5 六1班 陈祝贞 女      0.627  0.803   0.778  0.75    1    
 6 六1班 何小薇 女      0.765  0.724   0.741  0.75    0.833
 7 六1班 雷旺   男     NA      0.816   0.796  0.75    0.833
 8 六1班 陈欣越 男      0.255  0.816   0.648  0.875   0.833
 9 六1班 黄亦婷 女      0.647 NA       0.537  0.75    1    
10 六1班 陈媚   女      0.471  0.487   0.759  0.75    0.833
# … with 40 more rows

（3）应用函数到指定的列

将iris中的列名包含length和width的列的测量单位从厘米变成毫米

Code 
iris %>% 
  mutate(across(contains('length') | contains('width'),
                ~.x * 10)) %>% 
  head()
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1           51          35           14           2  setosa
2           49          30           14           2  setosa
3           47          32           13           2  setosa
4           46          31           15           2  setosa
5           50          36           14           2  setosa
6           54          39           17           4  setosa

4.替换NA

（1）replace_na()

实现用某个值替换一列中的所有NA值，该函数接受一个命名列表，其成分为列名 = 替换值
替换具体的缺失值

Code 
starwars %>% 
  replace_na(list(hair_color = 'hc',
                  height = round(mean(.$height, na.rm = TRUE))))
# A tibble: 87 × 14
   name        height  mass hair_…¹ skin_…² eye_c…³ birth…⁴ sex   gender homew…⁵
   <chr>        <int> <dbl> <chr>   <chr>   <chr>     <dbl> <chr> <chr>  <chr>  
 1 Luke Skywa…    172    77 blond   fair    blue       19   male  mascu… Tatooi…
 2 C-3PO          167    75 hc      gold    yellow    112   none  mascu… Tatooi…
 3 R2-D2           96    32 hc      white,… red        33   none  mascu… Naboo  
 4 Darth Vader    202   136 none    white   yellow     41.9 male  mascu… Tatooi…
 5 Leia Organa    150    49 brown   light   brown      19   fema… femin… Aldera…
 6 Owen Lars      178   120 brown,… light   blue       52   male  mascu… Tatooi…
 7 Beru White…    165    75 brown   light   blue       47   fema… femin… Tatooi…
 8 R5-D4           97    32 hc      white,… red        NA   none  mascu… Tatooi…
 9 Biggs Dark…    183    84 black   light   brown      24   male  mascu… Tatooi…
10 Obi-Wan Ke…    182    77 auburn… fair    blue-g…    57   male  mascu… Stewjon
# … with 77 more rows, 4 more variables: species <chr>, films <list>,
#   vehicles <list>, starships <list>, and abbreviated variable names
#   ¹​hair_color, ²​skin_color, ³​eye_color, ⁴​birth_year, ⁵​homeworld

所有浮点列的缺失值用其均值替换：

Code 
starwars %>% 
  mutate(across(where(is.double)
                , ~replace_na(.x, mean(.x, na.rm = TRUE))))
# A tibble: 87 × 14
   name        height  mass hair_…¹ skin_…² eye_c…³ birth…⁴ sex   gender homew…⁵
   <chr>        <int> <dbl> <chr>   <chr>   <chr>     <dbl> <chr> <chr>  <chr>  
 1 Luke Skywa…    172    77 blond   fair    blue       19   male  mascu… Tatooi…
 2 C-3PO          167    75 <NA>    gold    yellow    112   none  mascu… Tatooi…
 3 R2-D2           96    32 <NA>    white,… red        33   none  mascu… Naboo  
 4 Darth Vader    202   136 none    white   yellow     41.9 male  mascu… Tatooi…
 5 Leia Organa    150    49 brown   light   brown      19   fema… femin… Aldera…
 6 Owen Lars      178   120 brown,… light   blue       52   male  mascu… Tatooi…
 7 Beru White…    165    75 brown   light   blue       47   fema… femin… Tatooi…
 8 R5-D4           97    32 <NA>    white,… red        87.6 none  mascu… Tatooi…
 9 Biggs Dark…    183    84 black   light   brown      24   male  mascu… Tatooi…
10 Obi-Wan Ke…    182    77 auburn… fair    blue-g…    57   male  mascu… Stewjon
# … with 77 more rows, 4 more variables: species <chr>, films <list>,
#   vehicles <list>, starships <list>, and abbreviated variable names
#   ¹​hair_color, ²​skin_color, ³​eye_color, ⁴​birth_year, ⁵​homeworld

（2）用前一个（或后一个）非缺失值填充NA

Code 
starwars %>% 
  fill(height)
# A tibble: 87 × 14
   name        height  mass hair_…¹ skin_…² eye_c…³ birth…⁴ sex   gender homew…⁵
   <chr>        <int> <dbl> <chr>   <chr>   <chr>     <dbl> <chr> <chr>  <chr>  
 1 Luke Skywa…    172    77 blond   fair    blue       19   male  mascu… Tatooi…
 2 C-3PO          167    75 <NA>    gold    yellow    112   none  mascu… Tatooi…
 3 R2-D2           96    32 <NA>    white,… red        33   none  mascu… Naboo  
 4 Darth Vader    202   136 none    white   yellow     41.9 male  mascu… Tatooi…
 5 Leia Organa    150    49 brown   light   brown      19   fema… femin… Aldera…
 6 Owen Lars      178   120 brown,… light   blue       52   male  mascu… Tatooi…
 7 Beru White…    165    75 brown   light   blue       47   fema… femin… Tatooi…
 8 R5-D4           97    32 <NA>    white,… red        NA   none  mascu… Tatooi…
 9 Biggs Dark…    183    84 black   light   brown      24   male  mascu… Tatooi…
10 Obi-Wan Ke…    182    77 auburn… fair    blue-g…    57   male  mascu… Stewjon
# … with 77 more rows, 4 more variables: species <chr>, films <list>,
#   vehicles <list>, starships <list>, and abbreviated variable names
#   ¹​hair_color, ²​skin_color, ³​eye_color, ⁴​birth_year, ⁵​homeworld

5.重新编码

（1）两类别情形：if_else()：做二分支判断进而重新编码

Code 
df %>% 
  mutate(sex = if_else(sex == '男', 'm', 'f'))
# A tibble: 50 × 8
   class name   sex   chinese  math english moral science
   <chr> <chr>  <chr>   <dbl> <dbl>   <dbl> <dbl>   <dbl>
 1 六1班 何娜   f          87    92      79     9      10
 2 六1班 黄才菊 f          95    77      75    NA       9
 3 六1班 陈芳妹 f          79    87      66     9      10
 4 六1班 陈学勤 m          NA    79      66     9      10
 5 六1班 陈祝贞 f          76    79      67     8      10
 6 六1班 何小薇 f          83    73      65     8       9
 7 六1班 雷旺   m          NA    80      68     8       9
 8 六1班 陈欣越 m          57    80      60     9       9
 9 六1班 黄亦婷 f          77    NA      54     8      10
10 六1班 陈媚   f          68    55      66     8       9
# … with 40 more rows

（2）多类别情形：case_when()：做多分支判断进而重新编码，避免使用很多if_else()嵌套

Code 
df %>% 
  mutate(math = case_when(math >= 75 ~ 'high',
                          math >= 60 ~ 'middle',
                          TRUE       ~ 'low'))
# A tibble: 50 × 8
   class name   sex   chinese math   english moral science
   <chr> <chr>  <chr>   <dbl> <chr>    <dbl> <dbl>   <dbl>
 1 六1班 何娜   女         87 high        79     9      10
 2 六1班 黄才菊 女         95 high        75    NA       9
 3 六1班 陈芳妹 女         79 high        66     9      10
 4 六1班 陈学勤 男         NA high        66     9      10
 5 六1班 陈祝贞 女         76 high        67     8      10
 6 六1班 何小薇 女         83 middle      65     8       9
 7 六1班 雷旺   男         NA high        68     8       9
 8 六1班 陈欣越 男         57 high        60     9       9
 9 六1班 黄亦婷 女         77 low         54     8      10
10 六1班 陈媚   女         68 low         66     8       9
# … with 40 more rows

最后一个分支直接用TRUE表示若其他条件都不为TRUE时怎么做

（3）更强大的重新编码函数

sjmisc包提供了rec(x, rec, append, ….)基本实现了spss重新编码的功能-x：为数据框（或向量）


Code 
sjmisc::rec(df, math,
    rec = 'min:59 = 不及格; 60:74 = 中; 75:85 = 良; 85:max = 优',
    append = FALSE) %>% 
  sjmisc::frq() #频率表
math_r <character> 
# total N=50 valid N=50 mean=3.28 sd=1.26

Value  |  N | Raw % | Valid % | Cum. %
--------------------------------------
-Inf   |  3 |  6.00 |    6.00 |      6
不及格 | 14 | 28.00 |   28.00 |     34
良     | 10 | 20.00 |   20.00 |     54
优     | 12 | 24.00 |   24.00 |     78
中     | 11 | 22.00 |   22.00 |    100
<NA>   |  0 |  0.00 |    <NA> |   <NA>

筛选行分组操作

三、筛选行