今天學(xué)習(xí)R包绢要，也是dplyr包的學(xué)習(xí)

R語言中重要的就是R包，那什么是R包蓄拣？

從某種程度上講扬虚，R包就是針對于R的插件，不同的插件滿足不同的需求弯蚜。R包是多個函數(shù)的集合孔轴，具有詳細(xì)的說明和示例剃法。針對不同的需求利用不同的R包進(jìn)行分析處理碎捺。R包的使用主要是安裝包、加載包和查看包的相關(guān)信息即使用方法以及案例贷洲。

今天學(xué)習(xí)就以dplyr包為例收厨。（首先不知道這個R包是個什么）

1.最開始要配置鏡像才可以加快下載速度（給我的感覺跟Linux配置環(huán)境變量一樣）

https://m.umu.cn/course/?groupId=5002070&sKey=72116b89e9f74f688726de176ac51b8c（教程地址）

配置一邊鏡像永久生效

2.安裝包，使用命令install.packages("包的名字") 或者BiocManager::install(“包的名字”)

install.packages("dplyr")
library(dplyr)

成功安裝包并加載包

3.并不知道這個包是干嘛的优构，查一下

??`dplyr-package`

dplyr提供了一種靈活的數(shù)據(jù)操作語法诵叁。它是plyr的下一個迭代，專注于處理數(shù)據(jù)幀的工具,確定最重要的數(shù)據(jù)操作動詞和使它們易于使用r .提供極快的性能的內(nèi)存數(shù)據(jù),大概就是說用這個包利用數(shù)據(jù)集钦椭，操作快速（plyr又是個啥拧额，查！）plyr包可以進(jìn)行類似于數(shù)據(jù)透視表的操作彪腔，將數(shù)據(jù)分割成更小的數(shù)據(jù)侥锦，對分割后的數(shù)據(jù)進(jìn)行些操作，最后把操作的結(jié)果匯總德挣。(發(fā)現(xiàn)幫助文檔比較難懂恭垦，所以查詢其他的）
http://www.reibang.com/p/bfddfe29aa39（關(guān)于plyr包的介紹）

dplyr包的相關(guān)信息

4.運用dplyr包中的函數(shù)

• 新增列，即在列表中增加新的一列數(shù)格嗅，用mutate()

test <- iris[c(1:2,51:52,101:102),]
mutate(test, new = Sepal.Length * Sepal.Width)

新增列

• 按列篩選,用select()

select(test,1)#篩選第一列
select(test,c(1,5))#篩選第一列和第五列
select(test,Sepal.Length)#篩選Sepal.Length番挺，按列名篩選
select(test, Petal.Length, Petal.Width)#按列名篩選
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))#按列名

按列號篩選

按列名篩選

• 篩選行，用關(guān)鍵字或者條件屯掖，用filter()

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

行的篩選

• 排序玄柏，按條件排序，用arrange()

arrange(test, Sepal.Length)#默認(rèn)從小到大排序
arrange(test, desc(Sepal.Length))#用desc從大到小

排序

• 匯總贴铜，按照分組實現(xiàn)數(shù)據(jù)的計算匯總粪摘，用summarise()

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計算Sepal.Length的平均值和標(biāo)準(zhǔn)差
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#先按照Species進(jìn)行分組后再進(jìn)行計算）

分組后進(jìn)行計算

• 管道操作右蒲，%>% (cmd/ctr + shift + M)（利用管道命令需要安裝tidyverse包）管道命令就是再執(zhí)行%>%時，之前的命令完成后就執(zhí)行之后的命令

test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))

image.png

• count統(tǒng)計某列的unique值

count(test,Species)

統(tǒng)計值

• 連接表格

test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 

其中在R語言中赶熟，因子（factor）表示的是一個符號瑰妄、一個編號或者一個等級，而因子是不會被計算的映砖，只能作為符號间坐。
參考：https://www.cnblogs.com/larryzzZ/p/6650715.html

數(shù)據(jù)創(chuàng)建

• 取交集，使用inner_join（）

inner_join(test1, test2, by = "x")

取交集

出現(xiàn)報錯邑退，是由于引入了factor,所以需要修改test2的數(shù)據(jù)類型

修改后無報錯

• 左連竹宋，即第一個對象放在左邊再取交集

left_join(test1, test2, by = 'x')

左連

• 全連(以上表的連接都是基于x的連接，也可以選擇其他的）用full_join（）

full_join( test1, test2, by = 'x')

全部連接

• 半連接地技，用semi_join（)

semi_join(x = test1, y = test2, by = 'x')#返回能夠與y表匹配的x表所有記錄

半連接

• 反連接蜈七，即選擇不匹配的數(shù)據(jù)，用anti_join（）

anti_join(x = test2, y = test1, by = 'x')#返回?zé)o法與y表匹配的x表的所記錄

反連接

• 簡單合并（在相當(dāng)于base包里的cbind()函數(shù)和rbind()函數(shù);注意莫矗，bind_rows()函數(shù)需要兩個表格列數(shù)相同飒硅，而bind_cols()函數(shù)則需要兩個數(shù)據(jù)框有相同的行數(shù)）

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
test3 <- data.frame(z = c(100,200,300,400))
test3
bind_rows(test1, test2)
bind_cols(test1, test3)

簡并表格

總的來說dplyr包是基于數(shù)據(jù)表格等來操作的，包括列的提取行的提取篩選作谚，相當(dāng)于excel的一些功能三娩，但是dplyr包可以將數(shù)據(jù)分為很多塊從而對其進(jìn)行操作，從而提高數(shù)據(jù)處理速度妹懒。

思維導(dǎo)圖

思維導(dǎo)圖

今天的作業(yè)就做完啦雀监。