关于数据处理包dplyr的函数用法总结

dplyr专注处理赏罚dataframe工具,并提供更妥当的与其余数据库工具间的接口。

一、5个要害的数据处理赏罚函数：

select() 返回列的子集
filter() 返回行的子集
arrange() 按照一个或多个变量对行排序。
mutate() 行使已稀有据建设新的列
summarise() 对各个群组汇总计较并返回一维功效。

Tips：

1、select()

Dplyr包有下列帮助函数，用于在select()中选择变量：

starts_with("X"): 以 "X"开头的变量名
ends_with("X"): 以 "X"竣事的变量名
contains("X"): 包括 "X"的变量名
matches("X"): 匹配正则表达式“x"的变量名
num_range("x",1:5): 变量名为 x01,x02,x03,x04 and x05
one_of(x): 呈此刻字符向量x中的全部变量名

在select()中直接行使列时不必要引用""，但行使上述帮助函数时必需引用""。

2、filter()

R 有一系列逻辑表达式可用于filter()中：

x < y；x <= y；x == y；x != y；x >= y；x > y；x %in% c(a,b,c)

示例：

filter(df,a > 0,b > 0)

filter(df,!is.na(x))

3、arrange()

arrange()默认从小到大排序，在arrange()中行使desc()浸染于变量可以使之从大到小排序.

4、mutate()

mutate()应承在统一次挪用中行使新变量来建设下一个变量，譬喻：

mutate(my_df,x = a + b,y = x + c)

5、 summarise（）

R的下列聚合函数可用于 summarise()中

• min(x) - 最小值.
• max(x) - 最大值
• mean(x) - 均匀值
• median(x) - 中位数
• quantile(x,p) - x的第P个分位数
• sd(x) -尺度差
• var(x) - 方差
• IQR(x) - 四分位数
• diff(range(x)) - x值的范畴

dplyr包自身提供了一些有效的聚合函数：

• first(x) - 向量x中的第1个元素
• last(x) - 向量x中的最后1个元素
• nth(x,n) - 向量x中的第n个元素
• n() - data.frame中的行数或 summarise() 描写的视察组的数目
• n_distinct(x) - 向量x中独一值的数目
  
  

二、管道函数%>%

dplyr包中特有的管道函数%>%，将上一个函数的输出作为下一个函数的输入。

%>%运算符应承从参数列表中提取函数的第一个参数，并安排在%>%前面。

下面两条指令相称：

mean(c(1,2,3,NA),na.rm = TRUE)

c(1,NA) %>% mean(na.rm = TRUE)

三、分组函数group_by()

对数据集界说群组。然后可对各个群组别离举办汇总统计。

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 类数据执行分组操纵。

group_by(dataframe,colnames1,colnames2,…)

四、毗连数据（joins）

1、6种毗连函数如下：

left_join(dataset1,dataset2)
right_join(dataset1,dataset2)

inner_join(dataset1,dataset2,by=c(“”))

full_join(dataset1,by = c("first","last"))

semi_join(dataset1,"last"))

anti_join(dataset1,"last"))

前4种属于变形毗连（mutating joins），后2种属于过滤毗连（filtering joins）。

semi-joins基于第二个数据集的信息来过滤第一个数据集的数据。anti-joins找出归并时哪些行不能匹配第二个数据集

2、key值

R说话的 data frames可在 row.names属性中存储重要信息，固然不是存储数据的好方法却很常见。假如数据集的首要害字在row.names中，将难以与其他数据集毗连。一种办理要领是行使tibble包（tibble：a data frame with class tbl_df)中的rownames_to_column()函数，返回该数据集的副本，而且行名作为一列增进到该数据中。

library(tibble)

rownames_to_column(data,var="name")

假如两个数据集有沟通的列名，但代表的事物差异，而且by参数不包括这些一再的列名，dplyr会忽略这些列名，并对沟通的列名增进.x和 .y来辅佐区排列。

当两个数据齐集沟通的事物有差异的列名，要完成归并，将by配置为一个定名向量。向量的名字为主数据齐集的列名，向量的值为第二个数据齐集的列名。譬喻：

x %>% left_join(y,by = c("x.name" = "y.name"))

完成毗连后保存主数据齐集的列名。

3、多个数据集的毗连

Purrr包中的 reduce()函数对多个数据集一再应用某函数，可用于毗连多个数据集，与dplyr的join类函数共同行使，譬喻：
library(purrr)
list(data1,data2,data3) %>% reduce(left_join,"last"))

五、荟萃操纵（set operations）

dplyr提供了intersection、union和setdiff用于得到数据集的交集、并集和差集。

六、组装数据assembling data

行使如下函数：

bind_rows()

bind_cols() ：将多个data frame合成单个data frame

data_frame() : 将一系列列向量组合成data frame

as_data_frame() :将list转换成data frame

以上这篇关于数据处理赏罚包dplyr的函数用法总结就是小编分享给各人的所有内容了，但愿能给各人一个参考，也但愿各人多多支持编程小能力。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!