R语言学习-dplyr包

不成系统学习的好处，是会根据所需要的通过检索一个个解决问题，但耽误的时间不一定少；系统学习的缺点就是一开始可能会无聊的坚持不下去。在处理数据时，觉得头疼的数据，其实dplyr包就可以简洁的解决掉，太赞了。

来源于：dplyr 包的强大之处；R语言必学包之dplyr包

主要函数

-select、rename、filter、mutate, transmute、group_by、summarize

选择

select函数

• starts_with(match, ignore.case = TRUE, vars = current_vars()): 列名以前缀开始;
• ends_with(match, ignore.case = TRUE, vars = current_vars()): 列名以后缀结束;
• contains(match, ignore.case = TRUE, vars = current_vars()): 列名中包含指定字符串;

#选取变量名中包含etal的列  
select(iris, contains("etal")) 

• matches(match, ignore.case = TRUE, vars = current_vars()): 列名匹配正则表达式;

#正则表达式匹配，返回变量名中包含ta的列  
select(iris, matches(".ta."))  

• num_range(prefix, range, width = NULL, vars = current_vars()): prefix
  接受一个前缀, range 接受数字序列;
• one_of(…, vars = current_vars()): 列名包含在其中;
• everything(vars = current_vars()): 所有的列名.

rename函数

这里需要注意的是, 我们使用 select 函数则在结果中只会保留选择的列.
如果我们只是需要对特定列进行重命名, 而需要保留原来其他的列, 则可以使用 rename 函数.
iris %>% rename(sp.name = Species)
rename(iris,sp.name = Species)

筛选: filter() 和slice()函数

可以按给定的逻辑条件筛选出符合要求的子数据集；

• filter()

#过滤出cyl == 8的行  
filter(mtcars, cyl == 8)  
filter(mtcars, cyl < 6)  
#过滤出cyl < 6 并且 vs == 1的行  
filter(mtcars, cyl < 6 & vs == 1)  
filter(mtcars, cyl < 6, vs == 1)  
#过滤出cyl < 6 或者 vs == 1的行  
filter(mtcars, cyl < 6 | vs == 1)  
#过滤出cyl 为4或6的行  
filter(mtcars, cyl %in% c(4, 6))  

• slice()
  slice() 函数通过行号选取数据。

#选取第一行数据  
slice(mtcars, 1L)  
filter(mtcars, row_number() == 1L)  
#选取最后一行数据  
slice(mtcars, n())  
filter(mtcars, row_number() == n())  
#选取第5行到最后一行所有数据  
slice(mtcars, 5:n())  
filter(mtcars, between(row_number(), 5, n()))  

改变列值

mutate 函数会保留修改后的列和修改之前的列,
transmute 函数则会保留修改后的列而丢弃修改之前的列

• 可以用于 mutate 和 transmute 函数还有许多辅助函数:
  log(), log2(), log10(): 对值求 log;
  lead(), lag(): 返回序列中当前位置前第几个值或后第几个值;
  row_number(): 结果等于 rank(ties.method = "first"), 即对于相同的数值的排名按照先后顺序排;
  min_rank(): 结果等于 `rank(ties.method = "min"), 即对于相同的数值的排名都取最小的排名;
  dense_rank(): 结果类似于 min_rank(), 差别在于填充了由于 min_rank 造成的排名空隙;
  percent_rank(): 把 min_rank() 的值转换为 0 到 1 区间;
  cume_dist(): 计算比当前值还小的值的比例, 相当于计算 density;
  ntile(): 把数据分成若干块, 看每个数据在具体拿一个块;
  cumsum(), cummean(), cummin(), cummax(), cumany(), cumall(): 累积地 (cumulative) 计算和 (sum), 均值 (mean), 最小值 (min), 最大值 (max), 任何为真 (any), 所有为真 (all);
  na_if(): 把特定地值转换为 NA;
  coalesce(): 找出若干列中第一个不为 NA 的值;
  if_else(): 向量化的 ifelse 函数的效果.
  recode: 把一系列值转换为其他值
  case_when: 多条件选择

分割-应用-整合

可以使用 group_by 和 summarize 函数来获得iris每个物种的每一种属性的均值

• 众多的函数可以用于 summarize 函数.
  mean(), median(), max(), min(), sd(),
  IQR(), mad() 等统计函数.
  first(), last(), nth(): 返回第几位的值.
  n(): 计算数据的数量, 相当于 length() 函数.
  n_distinct(): 计算非重复数据的数量, 相当于 length(unique(x)).
  any(), all(): 逻辑计算函数

排序

arrange 函数对数据进行从小到大排序.
desc 函数可以实现从大到小排序

#以cyl和disp联合升序排序
arrange(mtcars, cyl, disp)
#以disp降序排序
arrange(mtcars, desc(disp))

去重: distinct

distinct()用于对输入的tbl进行去重，返回无重复的行

df <- data.frame(
  x = sample(10, 100, rep = TRUE),
  y = sample(10, 100, rep = TRUE)
)
#以全部两个变量去重，返回去重后的行数
nrow(distinct(df))
nrow(distinct(df, x, y))
#以变量x去重，只返回去重后的x值
distinct(df, x)
#以变量y去重，只返回去重后的y值
distinct(df, y)
#以变量x去重，返回所有变量
distinct(df, x, .keep_all = TRUE)
#以变量y去重，返回所有变量
distinct(df, y, .keep_all = TRUE)
#对变量运算后的结果去重
distinct(df, diff = abs(x - y))

待补充dplyr包后续学习：R语言必学包之dplyr包

大佬新作dtplyr:当优秀的语法遇上牛批的速度