Capítulo 6 Transformación de datos

La sección de transformación de datos está basada en los ejemplos presentados en el Cheat Sheet de Data Transformation with dplyr.

En este capítulo se trabaja con funciones del paquete dplyr, haciendo uso de pipes y asumiendo que el conjunto de datos está ordenado (tidy data).

Los conjuntos de datos ordenados cumplen tres principios:

1. Cada variable tiene su propia columna
2. Cada caso u observación tiene su propia fila
3. Cada valor tiene su propia celda

Para trabajar con el paquete dplyr usa una de las siguientes llamadas:

library(dplyr) # para cargar solo dplyr

library(tidyverse) # para cargar dplyr y toda la colección del tidyverse
#> -- Attaching packages ------------------- tidyverse 1.3.1 --
#> v ggplot2 3.3.5     v purrr   0.3.4
#> v tibble  3.1.6     v dplyr   1.0.8
#> v tidyr   1.2.0     v stringr 1.4.0
#> v readr   2.1.2     v forcats 0.5.1
#> -- Conflicts ---------------------- tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag()    masks stats::lag()

Para estos ejemplos, se ha aplicado el conjunto de datos mtcars ha sido convertido a tibble.

mtcars <- as_tibble(mtcars)

6.1 Pipes

El operador pipe viene integrado en el paquete dplyr. Busca simplificar la manera en que se componen las funciones que trabajan con datos ordenados. Evita la creación de objetos intermedios y permite leer una operación como una historia contada en lenguaje natural.

En la práctica, convierte el objeto a la izquieda del %>% en el primer argumento de la función a la derecha.

En lugar de usar f(x) puedo usar x %>% f() para referirme a la misma operación. De este modo, puedo componer una operación más compleja encadenando pipes.

x %>% 
    f() %>% 
    g() %>% 
    h() 

Se puede traducir en lenguaje natural a:

1. Tomo el objeto x
2. Luego, le aplico la función f()
3. Luego, al resultado le aplico la función g()
4. Luego, al resultado le aplico la función h()

A partir de la versión 4.1 de R, se introdujo un operador pipe nativo, que no necesita cargar ningún paquete previamente para ser usado. Reescribiendo la operación anterior con ese operador se vería así:

x |> 
    f() |> 
    g() |> 
    h() 

Debido a que el pipe de dplyr es aún el de uso más extendido, este cookbook seguirá usándolo para los ejemplos.

6.2 Resumir observaciones

Aplicar funciones de resumen a columnas crea un nuevo conjunto de datos que contiene estadísticas de resumen. Las funciones de resumen toman un vector como input y retornan un único valor.

Puedes ver las funciones de resumen más comunes en Referenciar capítulo de funciones de resumen.

6.2.1 Obtener tabla con una medida de resumen de una variable

Usar summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Puede obtenerse el promedio de mpg.

mtcars %>% 
    summarise(promedio = mean(mpg))
#> # A tibble: 1 x 1
#>   promedio
#>      <dbl>
#> 1     20.1

6.2.2 Obtener tabla con múltiples medidas de resumen de una variable

Usar summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Puede obtenerse el promedio, mediana, rango intercuartil, etc, de mpg.

mtcars %>% 
    summarise(promedio = mean(mpg),
              mediana = median(mpg),
              rango_iq = IQR(mpg))
#> # A tibble: 1 x 3
#>   promedio mediana rango_iq
#>      <dbl>   <dbl>    <dbl>
#> 1     20.1    19.2     7.38

6.2.3 Obtener tabla con múltiples medidas de resumen de múltiples variable

Usar summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Puede obtenerse el promedio y mediana de mpg y hp.

mtcars %>% 
    summarise(promedio_mpg = mean(mpg),
              mediana_mpg = median(mpg),
              promedio_hp = mean(hp),
              mediana_hp = median(hp))
#> # A tibble: 1 x 4
#>   promedio_mpg mediana_mpg promedio_hp mediana_hp
#>          <dbl>       <dbl>       <dbl>      <dbl>
#> 1         20.1        19.2        147.        123

6.2.4 Obtener recuento de observaciones de una tabla

Usar count().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el recuento de observaciones presentes en la tabla

mtcars %>% 
    count()
#> # A tibble: 1 x 1
#>       n
#>   <int>
#> 1    32

6.2.5 Obtener recuento de observaciones de una variable

Usar count().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el recuento de observaciones para cada valor de cyl presente en la tabla

mtcars %>% 
    count(cyl)
#> # A tibble: 3 x 2
#>     cyl     n
#>   <dbl> <int>
#> 1     4    11
#> 2     6     7
#> 3     8    14

6.2.6 Obtener recuento de observaciones de combinaciones de variables

Usar count().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el recuento de observaciones combinación de cyl y vs presente en la tabla

mtcars %>% 
    count(cyl, vs)
#> # A tibble: 5 x 3
#>     cyl    vs     n
#>   <dbl> <dbl> <int>
#> 1     4     0     1
#> 2     4     1    10
#> 3     6     0     3
#> 4     6     1     4
#> 5     8     0    14

6.3 Agrupar casos

Para crear un conjunto de datos “agrupados” por las columnas especificadas. Las funciones verbo de dplyr trabajarán cada grupo por separado y combinarán los resultados.

6.3.1 Obtener tabla con una medida de resumen para cada categoría de una variable

Usar un encadenamiento de group_by() y summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el promedio de mpg para cada valor de cyl presente en la tabla

mtcars %>% 
    group_by(cyl) %>% 
    summarise(promedio_mpg = mean(mpg))
#> # A tibble: 3 x 2
#>     cyl promedio_mpg
#>   <dbl>        <dbl>
#> 1     4         26.7
#> 2     6         19.7
#> 3     8         15.1

6.3.2 Obtener tabla con múltiples medidas de resumen para cada categoría

Usar un encadenamiento de group_by() y summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el promedio de mpg y hp para cada valor de cyl presente en la tabla

mtcars %>% 
    group_by(cyl) %>% 
    summarise(promedio_mpg = mean(mpg),
              promedio_hp = mean(hp))
#> # A tibble: 3 x 3
#>     cyl promedio_mpg promedio_hp
#>   <dbl>        <dbl>       <dbl>
#> 1     4         26.7        82.6
#> 2     6         19.7       122. 
#> 3     8         15.1       209.

6.3.3 Obtener tabla con una medida de resumen para combinaciones de categorías de más de una variable

Usar un encadenamiento de group_by() y summarise().

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede obtener el promedio de mpg para cada combinación de los valores de cyl y vs presente en la tabla

mtcars %>% 
    group_by(cyl, vs) %>% 
    summarise(promedio_mpg = mean(mpg))
#> `summarise()` has grouped output by 'cyl'. You can override
#> using the `.groups` argument.
#> # A tibble: 5 x 3
#> # Groups:   cyl [3]
#>     cyl    vs promedio_mpg
#>   <dbl> <dbl>        <dbl>
#> 1     4     0         26  
#> 2     4     1         26.7
#> 3     6     0         20.6
#> 4     6     1         19.1
#> 5     8     0         15.1

6.3.4 Desagrupar tablas de resumen

Usar ungroup().

La siguiente tabla es el resultado de una agrupación y un cálculo de resumen. Como se usó más de una variable de agrupación, se mantiene agrupada.

mtcars %>% 
    group_by(cyl, vs) %>% 
    summarise(promedio_mpg = mean(mpg))
#> `summarise()` has grouped output by 'cyl'. You can override
#> using the `.groups` argument.
#> # A tibble: 5 x 3
#> # Groups:   cyl [3]
#>     cyl    vs promedio_mpg
#>   <dbl> <dbl>        <dbl>
#> 1     4     0         26  
#> 2     4     1         26.7
#> 3     6     0         20.6
#> 4     6     1         19.1
#> 5     8     0         15.1

Es posible desagruparla de la siguiente manera:

mtcars %>% 
    group_by(cyl, vs) %>% 
    summarise(promedio_mpg = mean(mpg)) %>% 
    ungroup()
#> `summarise()` has grouped output by 'cyl'. You can override
#> using the `.groups` argument.
#> # A tibble: 5 x 3
#>     cyl    vs promedio_mpg
#>   <dbl> <dbl>        <dbl>
#> 1     4     0         26  
#> 2     4     1         26.7
#> 3     6     0         20.6
#> 4     6     1         19.1
#> 5     8     0         15.1

6.4 Transformar observaciones

6.4.1 Filtrar observaciones que cumplen un criterio

Usar filter(). Dentro de la función debe usarse una operación lógica.

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede filtrar las observaciones cuyo valor de mpg sea mayor a 20.

mtcars %>% 
    filter(mpg > 20)
#> # A tibble: 14 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6 160     110  3.9   2.62  16.5     0     1
#>  2  21       6 160     110  3.9   2.88  17.0     0     1
#>  3  22.8     4 108      93  3.85  2.32  18.6     1     1
#>  4  21.4     6 258     110  3.08  3.22  19.4     1     0
#>  5  24.4     4 147.     62  3.69  3.19  20       1     0
#>  6  22.8     4 141.     95  3.92  3.15  22.9     1     0
#>  7  32.4     4  78.7    66  4.08  2.2   19.5     1     1
#>  8  30.4     4  75.7    52  4.93  1.62  18.5     1     1
#>  9  33.9     4  71.1    65  4.22  1.84  19.9     1     1
#> 10  21.5     4 120.     97  3.7   2.46  20.0     1     0
#> 11  27.3     4  79      66  4.08  1.94  18.9     1     1
#> 12  26       4 120.     91  4.43  2.14  16.7     0     1
#> 13  30.4     4  95.1   113  3.77  1.51  16.9     1     1
#> 14  21.4     4 121     109  4.11  2.78  18.6     1     1
#> # ... with 2 more variables: gear <dbl>, carb <dbl>

Para más ejemplos de operaciones lógicas revisa la sección intertar referencia.

6.4.2 Filtrar observaciones que cumplen más de un criterio

Usar filter(). Dentro de la función debe usarse una operación lógica.

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede filtrar las observaciones cuyo valor de mpg sea mayor a 20 y menor que 25. La coma (,) dentro de filter() cumple la función de un operador Y lógico (&).

mtcars %>% 
    filter(mpg > 20, mpg < 25)
#> # A tibble: 8 x 11
#>     mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1  21       6  160    110  3.9   2.62  16.5     0     1
#> 2  21       6  160    110  3.9   2.88  17.0     0     1
#> 3  22.8     4  108     93  3.85  2.32  18.6     1     1
#> 4  21.4     6  258    110  3.08  3.22  19.4     1     0
#> 5  24.4     4  147.    62  3.69  3.19  20       1     0
#> 6  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 7  21.5     4  120.    97  3.7   2.46  20.0     1     0
#> 8  21.4     4  121    109  4.11  2.78  18.6     1     1
#> # ... with 2 more variables: gear <dbl>, carb <dbl>

Para más ejemplos de operaciones lógicas revisa la sección intertar referencia.

6.4.3 Filtrar observaciones que cumplen un criterio u otro

Usar filter(). Dentro de la función debe usarse una operación O lógica.

A partir de la siguiente tabla:

mtcars
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1
#>  2  21       6  160    110  3.9   2.88  17.0     0     1
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0
#> # ... with 22 more rows, and 2 more variables: gear <dbl>,
#> #   carb <dbl>

Se puede filtrar las observaciones cuyo valor de mpg sea menor a 15 o mayor a 30.

mtcars %>% 
    filter(mpg < 15 | mpg > 30)
#> # A tibble: 9 x 11
#>     mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1  14.3     8 360     245  3.21  3.57  15.8     0     0
#> 2  10.4     8 472     205  2.93  5.25  18.0     0     0
#> 3  10.4     8 460     215  3     5.42  17.8     0     0
#> 4  14.7     8 440     230  3.23  5.34  17.4     0     0
#> 5  32.4     4  78.7    66  4.08  2.2   19.5     1     1
#> 6  30.4     4  75.7    52  4.93  1.62  18.5     1     1
#> 7  33.9     4  71.1    65  4.22  1.84  19.9     1     1
#> 8  13.3     8 350     245  3.73  3.84  15.4     0     0
#> 9  30.4     4  95.1   113  3.77  1.51  16.9     1     1
#> # ... with 2 more variables: gear <dbl>, carb <dbl>

Para más ejemplos de operaciones lógicas revisa la sección intertar referencia.

6.4.4 Remover observaciones con valores duplicados

Usar distinct().

A partir de la siguiente tabla