dplyr包介紹
dplyr包是R大神大杰作，Hadley Wickham,被稱為一個改變R的人何暇，dplyr是在plyr上升級的又一力作陶夜。
dplyr包包含了數(shù)據整理谴返、篩選战惊、變換、匯總等多種函數(shù)袭祟《舨澹基本上可以解決數(shù)據處理的80%的問題捂贿。處理數(shù)據跟SQL類似乎，如果你熟悉SQL很快就能夠上手胳嘲。
基礎用法
本文以自己構造的數(shù)據集進行演示厂僧，以便方便理解。
data1 <- data.frame(id=c(1:10),class=c(15:6),score=c("十","九","八","七","六","五","四","三","二","一"),ennum=c("one","two","three","four","five","ten","nine","eight","seven","six"),type=c("a","b"))
data2 <- rbind(data1,c(10,6,"一","six","b"))
1. 單表操作
- 排序
arrange對變量進行排序了牛，默認為升序颜屠，可以用desc()降序排列.
data1 %>% arrange()
data1 %>% arrange(desc(id))
data1 %>% arrange(by=class)
- 去重
distinct，相當于base函數(shù)的unique,該函數(shù)有一個.keep_all的參數(shù)鹰祸，如果等于FALSE甫窟，輸出去重的變量。如果等于TRUE蛙婴，輸出全部變量粗井，有多個相同的觀測數(shù)據，輸出第一條數(shù)據。
data2 %>% distinct()
data2 %>% distinct(type)
type
1 a
2 b
data2 %>% distinct(type,.keep_all=TRUE)
id class score ennum type
1 1 15 十 one a
2 2 14 九 two b
do- 條件篩選
filter浇衬，根據條件變量篩選觀察值懒构。
常用的篩選條件
==, >, >= etc
&, |, !, xor()
is.na()
between(), near()
data2 %>%filter(id==10)
id class score ennum type
1 10 6 一 six b
2 10 6 一 six b
等價于
data2[id==10,]
group_byungroupmutate新建列
-mutate_all在所有的列運用函數(shù)，并生成新的列耘擂。
-mutate_at在指定的列運用函數(shù)胆剧，并生成新的列。transmute添加新列醉冤，刪除其余列select選擇列-
rename重命名current_vars-
starts_with以XXX開始 -
end_with以XXX結束 -
contains包含XXX matches-
num_range選取帶數(shù)字的列
例如class1秩霍、class2、class3蚁阳，可以用
num_range(“class”,1:3) one_of
everythingsample_n
抽樣函數(shù)铃绒，sample_n()隨機抽取指定數(shù)目的樣本，sample_frac()隨機抽取指定百分比的樣本韵吨，默認都為不放回抽樣匿垄，通過設置replacement = TRUE可改為放回抽樣，可以用于實現(xiàn)Bootstrap抽樣归粉。sample_fracsummarisesummarizeadd_row:添加行椿疗，在數(shù)據集添加行。pull拉取一列變量
pull(data,var=-1)
data是數(shù)據集糠悼，var為空時默認拉取最后一列届榄，var為正時從左邊開始的列，var為負數(shù)從右邊開始的列倔喂。根據位置選取觀測值
slice
slice(data1,10:n())
選取十行以后的數(shù)據铝条。rownames_to_column()：行名轉成列column_to_rownames()：列轉成行名
2. 兩個表操作
兩表及多表操作是數(shù)據處理中比較常用的操作，跟SQL關聯(lián)類似席噩。
bind_cols()：合并列
left_join()：左關聯(lián)班缰，同SQL的left outer join
左表匹配右表，返回左表悼枢。
data1 %>% left_join(data2,by=c("id"="id"))
inner_join()：內關聯(lián)埠忘，同SQL的inner join
匹配兩個表相同的內容，返回兩個表都有的內容馒索。
full_join()：全關聯(lián)莹妒，同SQL的full join
兩表匹配，返回兩個表的元素绰上。
right_join()：與左關聯(lián)類似旨怠，熟練使用左關聯(lián)就行了。
semi_join：返回能夠與y表匹配的x表的所有記錄蜈块。
anti_join：返回無法與y表匹配的x表的所有記錄鉴腻。
用by=來制定關聯(lián)的列迷扇。
3. 向量函數(shù)
between：- 變量>= left & 變量<= right
case_when：多條件取值相當于sql的case when。
coalesce
cumull
cumany
cumean
desc：降序排列
if_else
lead lag
order_by
n：數(shù)量
n_distinct
na_if：
near
nth ：第n個
first ：第1個
last：最后1一個
row_number：生成排序序號
ntitle
min_rank dense_rank
percent_rank cum_dist
recode recode_factor
4. 元數(shù)據
groups
groups_vars
5. 數(shù)據集
dplyr 包中包含樂隊成員信息拘哨，NASA的空間數(shù)據谋梭，星際爭霸人物特征，和風暴數(shù)據：
band_instruments
band_instruments2 倦青、
band_members 、
nasa 盹舞、
starwars产镐、
storms
