在資料分析時，很多時候我們都會想去除一些不感興趣的資料，這時我們可以用到filter() 這個函數，用起來也非常簡單，只要把判斷式放入即可，我們先將原始資料如先前的處理方式一樣，幫他加入Month 這個欄位。

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7))

接著我們要找出營收最高的前三個月。

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    group_by(Month) %>%
    summarise(Income = sum(PRICE)) %>%
    arrange(desc(Income))

可以得到分別是五月、八月及十一月，接著就可以過濾資料啦。

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    filter(Month=="2017-05"| Month=="2017-08"|Month=="2017-11",
           PAYMENTTYPE=="信用卡") %>%
    separate(NAME, c("Category", "Brand"), sep="\\(")

如上圖，看到付款方式都是信用卡，而且時間都是五月。
接著老樣子，根據種類排序即可得到我們要的結果了！

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    filter(Month=="2017-05"| Month=="2017-08"|Month=="2017-11",
           PAYMENTTYPE=="信用卡") %>%
    separate(NAME, c("Category", "Brand"), sep="\\(") %>%
    group_by(Category) %>%
    summarise(Category_Income = sum(PRICE)) %>%
    arrange(desc(Category_Income))

今天介紹的filter() 就是那麼簡單！

Ref
day7原始碼