dplyr和tydir包学习笔记

1 dplyr包

1.1 展现数据 tbl_df()：

函数tbl_df()使得大数据集规范显示出来，行列都只显示10个，跟head差不多，但是head只能控制行，无法控制列，使用tbl_df()就是为了防止数据刷屏。

mtcars_df <- tbl_df(mpg)
mtcars_df

1.2 筛选数据 filter()：

按给定的逻辑判断筛选出符合要求的子数据集

filter(longdata, "mpg" == 21, "cyl" == 6)

1.3 排列数据 arrange()：按给定的列名依次对行进行排序

arrange(mtcars_df, cyl, desc(carb))# 先对cyl列正序排列，再对carb列倒序排列,descending order倒序排列

1.4 选择子集 select()：用列名作参数来选择子数据集

select(mtcars_df, mpg, disp:wt, carb) # disp:wt表示从disp列选到wt列

1.5 变形 mutate()：对已有列进行数据运算并添加为新列

mutate(mtcars_df, NO = 1:dim(mtcars_df)[1], res = hp - drat)  

1.6 总览数据 summarise()：对数据框调用其它函数进行汇总操作, 返回一维的结果

summarise(mtcars_df, mdisp = mean(disp, na.rm = TRUE), mhp = mean(hp, na.rm = TRUE))

1.7 数据分组 group_by()：当对数据集通过group_by()添加了分组信息后，mutate()，arrange() 和 summarise() 函数会自动对这些 tbl 类数据执行分组操作。

cars <- group_by(mtcars_df, cyl)(countcars <- summarise(cars, count = n())) # count = n()用来计算次数

2 tidyr包

2.1 宽转长 gather()：使用gather()函数实现宽表转长表,语法如下:

# gather(data, key, value, …, na.rm = FALSE, convert = FALSE)# data：需要被转换的宽形表# key：将原数据框中的所有列赋给一个新变量key# value：将原数据框中的所有值赋给一个新变量value# …：可以指定哪些列聚到同一列中# na.rm：是否删除缺失值longdata <- gather(mtcars_df, attribute, value, -mpg)longdata <- gather(mtcars_df, attribute, value)

2.2 长转宽 spread()：有时，为了满足建模或绘图的要求，往往需要将长形表转换为宽形表，或将宽形表变为长形表。

如何实现这两种数据表类型的转换。使用spread()函数实现长表转宽表，语法如下：

# spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)# data：为需要转换的长形表# key：需要将变量值拓展为字段的变量# value：需要分散的值# fill：对于缺失值，可将fill的值赋值给被转型后的缺失值spread(longdata, attribute, value)

2.3 合并 unit()：unite的调用格式如下

# unite(data, col, …, sep = “_”, remove = TRUE)
# data：为数据框
# col：被组合的新列名称
# …：指定哪些列需要被组合
# sep：组合列之间的连接符，默认为下划线
# remove：是否删除被组合的列

TIMES <- data.frame(years = c('1990', '1991', '1992'), months = c(2,3,4), day = c(1, 2, 3))
(TIMESunite <- unite(TIMES, information, months, day, sep= "-"))

2.4 拆分 separate()：separate()函数可将一列拆分为多列，一般可用于日志数据或日期时间型数据的拆分，语法如下：

# separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE,
# convert = FALSE, extra = “warn”, fill = “warn”, …)
# data：为数据框
# col：需要被拆分的列
# into：新建的列名，为字符串向量
# sep：被拆分列的分隔符
# remove：是否删除被分割的列
TIMESsep <- separate(TIMESunite, information, c("months", "day"), sep = "-")

R语言中的连接dplyr中的join系列与merge函数

R语言中dplyr包jion函数之目前我看到过的最形象的教程

dplyr官方参考函数

R成精系列-用dplyr高效变换数据和处理数据

R成精系列-用dplyr高效变换数据和处理数据

R语言常用的包