dplyr 1.0 更新內(nèi)容大概記錄

最前面的話

2020/5/31

image.png

<br />

# devtools::install_github("tidyverse/dplyr")
library(tidyverse)

## 2020/5/31
## 可以通過(guò)以下了
install.packages("dplyr")

<a name="24239833"></a>

這次更新了什么呢？

<br />見(jiàn)官方鏈接 dplyr 1.0.0 , emm牡直，就不一一列舉了，反正進(jìn)行了大規(guī)模的更新纳决。<br />這里列舉幾個(gè)驚艷的功能：<br />

• across()：可以使我們對(duì)數(shù)據(jù)列進(jìn)行相同批量處理碰逸，目的用來(lái)盡可能的取代 apply()、do() 等函數(shù)阔加。

dplyr 1.0.0: working across columns

• relocate(): 更快捷的改變列的順序

dplyr 1.0.0: select, rename, relocate

• rowwise: 傳統(tǒng)的 dplyr 中一般使針對(duì)列處理饵史，有了此函數(shù)后可以對(duì)數(shù)據(jù)進(jìn)行處理，比如對(duì)行求和胜榔、平均值胳喷，取代 rowsum() 等函數(shù)，常常與 across() 函數(shù)連用夭织，吭露，能更好的能夠進(jìn)行批量處理。

rowwise

<a name="ca996b56"></a>

還是翻譯一下吧尊惰，更好的了解一下：

<a name="e670ab3b"></a>

Breaking changes

• bind_cols()：當(dāng)輸入文件格式為 data frame 格式時(shí)候奴饮，返回的是 data frame 格式纬向，而非 tibble 格式择浊。
• bind_rows()戴卜、*_join()、summrise()琢岩、mutatte()：有兩點(diǎn)主要的改變
  • 將因子和字符向量合并一起后不發(fā)出警告創(chuàng)造一個(gè)字符串向量投剥，之前合并的同時(shí)會(huì)發(fā)出警告
  • 將多個(gè)因子合并后創(chuàng)造一個(gè)組合水平因子，之前是創(chuàng)造一個(gè)字符串向量同時(shí)會(huì)發(fā)出警告
• bind_rows() 和其他使用向量修復(fù)向量名担孔，詳細(xì)見(jiàn) ?vctrs::vec_as_names
• all.equal.tbl_df() 被移除
  • data frame 江锨、tibbles、已分組的 data frame 數(shù)據(jù)即使數(shù)據(jù)一模一樣也不再相等
  • data frame 數(shù)據(jù)是否相等不再忽略行排序糕篇、分組
  • expect_equal() 使用內(nèi)置的 all.equal()：比較 data frame 時(shí)候啄育，以前正確的現(xiàn)在可能會(huì)出錯(cuò)
• distinct()：去重復(fù)，保持原始的列順序
• distinct()：缺失列時(shí)會(huì)增加報(bào)錯(cuò)拌消，一直以來(lái)之前是只警告挑豌！
• group_modify()：將分組變量列放置在最前面，類(lèi)似函數(shù)還有 group_map()墩崩、group_walk()氓英，詳情見(jiàn) ?group_modify()
• n()、row_number()：當(dāng)沒(méi)有加載 dplyr 包時(shí)候鹦筹，不能直接使用了铝阐，現(xiàn)在使用 dplyr::mutate(mtcars, x = n()) 會(huì)報(bào)錯(cuò)，必須得 dplyr::mutate(mtcars, x = dplyr::n())
• 不再支持 grouped_df() 舊數(shù)據(jù)格式铐拐，可能會(huì)影響我們將數(shù)據(jù)存入本地徘键，比如使用 knir 緩存或者使用 saveRDS()
• lead()、lag() 函數(shù)的輸入文件更加嚴(yán)格
• 拓展數(shù)據(jù)框需要首先添加一個(gè)或多個(gè)額外的類(lèi)遍蟋，而不是最后添加吹害。將額外的類(lèi)放在末尾會(huì)導(dǎo)致一些向量操作失敗，例如: Input must be a vector, not a<data.frame/...>object
• right_join() 不再根據(jù) tibble y 中的參數(shù)按照 RHS 的順序?qū)Y(jié)果 tibble 的行進(jìn)行排序

<a name="4078e029"></a>

New features

• cur_* 系列函數(shù) cur_data()匿值、cur_group()赠制、cur_group_id()、cur_group_rows() 受 data.table() 函數(shù)中的 .SD挟憔、.GRP钟些、.BY、.I 啟發(fā)绊谭，能更方便的訪問(wèn)有關(guān) dplyr “當(dāng)前”組的信息政恍。
• row_* 系列函數(shù) rows_insert()、rows_update()达传、rows_upsert()篙耗、rows_patch()迫筑、rows_delete() 提供一個(gè)新的 API 來(lái)插入和刪除來(lái)自第二個(gè)數(shù)據(jù)框或表的行。

Consider new row mutation functions

• mutate()宗弯、summrise() ：如果返回一個(gè)數(shù)據(jù)框脯燃，可以從單個(gè)表達(dá)式創(chuàng)建多個(gè)列

Automatically unpack unnamed df-cols

• select()、rename() 使用最新的 tidyselect 接口蒙保；現(xiàn)在支持布爾邏輯運(yùn)算(例如：! & |)辕棚，可以結(jié)合 where() 函數(shù)按照類(lèi)型來(lái)進(jìn)行選擇列(比如：where(is.character)(upgrade select() to new tidyselect )[https://github.com/tidyverse/dplyr/issues/4680])，還可以用來(lái)修復(fù)具有重復(fù)的列名的數(shù)據(jù)邓厕。
• slice() 增加了以下幾個(gè)子函數(shù)：
  • slice_head()逝嚎、slice_tail()：選擇第一列或者最后一列，類(lèi)似 head() 和 tail()详恼，但是返回每一個(gè)組的行數(shù)
  • slice_sample()：隨機(jī)選擇行补君，接替 sample_n() 和 sample_frac()
  • slice_min()、slice_max()：選擇最小值和最大值昧互，接替令人困惑的函數(shù) top_n()
• summrise()：增加參數(shù) .groups = 以便于更好的控制分組
• relocate()：增加的新函數(shù)挽铁，更方便的調(diào)整數(shù)據(jù)列順序

A dedicated verb to move columns within a table

• rename_with()：增加的新函數(shù)，可以用函數(shù)來(lái)沖命名列名硅堆。

Need equivalent of scoped select/rename helpers

• ungroup()：可以選擇性的移除分組變量

Allow ungroup to specify removal of grouping variable

• pull()：現(xiàn)在可以通過(guò)指定一個(gè)額外的列名返回指定的向量

pull() can also return named vectors

<a name="59c5b601"></a>

Experimental features

• mutate()：僅適用于 data frame屿储，增加新參數(shù) .before 和 .after 可以控制新增加的列的位置

Allow mutate() to choose the position of new columns

• mutate()：僅適用于 data frame, 增加了新參數(shù) .kepp 參數(shù)可以控制保持?jǐn)?shù)據(jù) .data 中哪些列，.kepp = "all" 默認(rèn); .keep = "none" 不保留輸入變量渐逃，類(lèi)似 tranmute() 函數(shù)够掠；.keep = "used" 僅保留用于創(chuàng)建新列的變量。

morph() to automatically remove columns "used up" by a mutate()

• with_groups()：方便臨時(shí)分組或者取消分組

Syntax for temporary grouping

<a name="960ea0eb"></a>

across()

• across()：新增函數(shù)茄菊；能夠在函數(shù) summrise()疯潭、mutate() 和其他將一個(gè)函數(shù)(或一組函數(shù))應(yīng)用于選定的列的函數(shù)，詳情見(jiàn) vignette("colwise")
• c_across()：新增函數(shù)面殖；同 across() 函數(shù)竖哩，使得在行處理更加方便，比如：求每一行的平均值脊僚，見(jiàn) vignette("rowwise")相叁。

<a name="ccb4fdd8"></a>

rowwise()

• rowwise()：允許指定在以下情況下應(yīng)保留在輸出中的其他變量 summarising 。所有操作都會(huì)保留按行順序

Broadly consider do() and rowwise()

• nest_by()：它具有與 group_by()相同的接口辽幌，但會(huì)返回分組鍵的行數(shù)據(jù)框增淹，并以包含其余數(shù)據(jù)的數(shù)據(jù)框的列表列，即返回分組的列表乌企。

<a name="vctrs"></a>

vctrs

• vctrs：向量幫助文檔虑润，詳情見(jiàn) ?vctrs。簡(jiǎn)單記錄兩點(diǎn)：
  • 舍棄了兩個(gè)最重要的依賴(lài)：Rcpp 和 BH
  • 處理數(shù)據(jù)框 data frame 數(shù)據(jù)時(shí)候保留行名

<a name="Grouping"></a>

Grouping

• group_by() 使用來(lái)自包 vctrs() 中的哈希算法
• 已分組的數(shù)據(jù)框現(xiàn)在可以通過(guò) names<-加酵、[[<-拳喻、 [<- 哭当、$<- 來(lái)重新生成底層分組。
• .grouped_df()：重新分組

[Add method for grouped_df

• mutate()冗澈、summarise() 現(xiàn)在可以調(diào)整分組變量

mutate() should allow modification of grouping variables

• group_modify() 新增了額外的參數(shù)

Can't pass additional arguments to group_modify() function

• group_by()：當(dāng)按 drop = TRUE 的因子分組時(shí)钦勘，不創(chuàng)建任意的 NA 組

False positive implicit NA warning with factors and 0-row slices

<a name="ba5a9bcd"></a>

Lifecycle changes

• 不推薦使用 lifecycle
  • 也就是說(shuō)，默認(rèn)情況下渗柿，每個(gè)會(huì)話只會(huì)看到一次棄用警告个盆， 您可以使用 options(lifecycle_verbosity = x) 進(jìn)行控制，其中 x 是 NULL, "quiet", "warning", and "error" 之一朵栖。

<a name="Removed"></a>

Removed

• id() 函數(shù)
• failwith() 函數(shù)
• tbl_cube() 函數(shù)
• rbind_all() 函數(shù)
• rbind_list() 函數(shù)
• dr_dplyr() 函數(shù)

<a name="Deprecated"></a>

Deprecated

• add_count() 函數(shù)中的 drop 參數(shù)
• add_rownames 函數(shù)已經(jīng)被 tibble::rownames_to_column() 取代
• as.tbl() 和 tbl_df() 函數(shù)已經(jīng)被 as_tibble() 取代
• bench_tbls()、compare_tbls()柴梆、compare_tbls2()陨溅、eval_tbls() and eval_tbls2() 函數(shù)已棄用
• combine() 函數(shù)已經(jīng)被 vctrs::vec_c() 取代
• funs() 函數(shù)已經(jīng)被 list() 取代
• group_by(add = ) 已經(jīng)被 group_by(.add = ) 取代
• group_by(.dots = )/group_by_prepare(.dots = ) 已經(jīng)被 !!! 取代

group_by(.dots) handling - breaking change?

• location() 和 changes() 函數(shù)已被 lobstr::ref() 取代
• src_loacl 函數(shù)已棄用
• src_mysql()、 src_postgres()绍在、src_sqlite() 函數(shù)已棄用
  • 推薦使用 dbplyr 包：dbplyr门扇，自動(dòng)將數(shù)據(jù)轉(zhuǎn)變?yōu)?SQL

<a name="Superseded"></a>

Superseded

• _if _at _all 等系列變體函數(shù)已經(jīng)被 across() 函數(shù)取代。

Mark scoped helpers as superseded

• rename_*()偿渡、select_*() 已經(jīng)被 rename_with() 取代
• do() 被 summarise() 取代
• top_n() 被 slice_min() 和 slice_max() 取代

top_n(df, n) returns bottom n rows

<a name="Questioning"></a>

Questioning

• all_equal() 解決了一個(gè)似乎不再重要的問(wèn)題

<a name="Stable"></a>

Stable

• rowwise() is no longer questioning.

<a name="7dfebbeb"></a>

Documentation improvements

• vignette("base) 簡(jiǎn)述了 dplyr 與 base R 的異同

[https://cran.r-project.org/web/packages/dplyr/vignettes/base.html](dplyr <-> base R)

• vignette("grouping") 介紹了當(dāng)應(yīng)用于分組數(shù)據(jù)時(shí)候臼寄，dplyr 怎么變化的。

Grouped data

• vignette("programming")已經(jīng)完全重寫(xiě)溜宽，以反映最新的詞匯表吉拳、最新的 rlang 特性和當(dāng)前的建議。現(xiàn)在用 dplyr 編程應(yīng)該會(huì)簡(jiǎn)單很多适揉。

Programming with dplyr

• 更多關(guān)于 dplyr 的幫助說(shuō)明書(shū)見(jiàn) dplyr/vignettes<br />
  

<a name="10cfcd06"></a>

Minor improvements and bug fixes

• ?dplyr_extending
• dplyr 不再提供 all.equal.tbl_df() 方法留攒。
• coalesce()

df_patch (via coalesce) is too picky about types

• distinct() 在處理不存在的變量時(shí)候會(huì)報(bào)錯(cuò)，之前是警告
• filter()嫉嘀、mutate()炼邀、summarise() 提供了更詳細(xì)的報(bào)錯(cuò)信息
• 當(dāng)所有列均為邏輯向量時(shí)，filter() 處理數(shù)據(jù)框結(jié)果通過(guò)用 ＆ 減少它們剪侮。意味著我們可以結(jié)合 across 與 filter() 函數(shù)

filter() and data frame results, filter(across())

• left_join()拭宁、right_join()、full_join() 增加了新參數(shù) kepp 瓣俯，可以選擇保留這兩組連接鍵杰标。當(dāng)我們想要確定哪一行在每一個(gè)數(shù)據(jù)丟失時(shí)非常有用。

outer joins don't keep join columns from both sides

• *join() 函數(shù)增加了 by = character() 來(lái)進(jìn)行數(shù)據(jù)合并

[https://github.com/tidyverse/dplyr/issues/4206](Problems writing cross-join in dplyr)

• group_by(..., .add = TRUE) 取代了 group_by(..., add = TRUE)