dplyr包
可用于处理R内部或者外部的结构化数据,主要用于数据清洗和整理，主要功能有：行选择、列选择、统计汇总、窗口函数、数据框交集等。
dplyr五个基础函数
table <- iris[c(1:2,51:52,101:102),]为取iris数据集的第1行-第2行，第51行-52行，第101行-第102行，开始分析
1.mutate(),新增列
mutate(table, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species new
1 5.1 3.5 1.4 0.2 setosa 17.85
2 4.9 3.0 1.4 0.2 setosa 14.70
3 7.0 3.2 4.7 1.4 versicolor 22.40
4 6.4 3.2 4.5 1.5 versicolor 20.48
5 6.3 3.3 6.0 2.5 virginica 20.79
6 5.8 2.7 5.1 1.9 virginica 15.66
2.select(),按列筛选
(1)按列号筛选
> select(table,1)#第1列
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(table,c(1,5))#第1和第5列
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
51 7.0 versicolor
52 6.4 versicolor
101 6.3 virginica
102 5.8 virginica
(2)按列名筛选
> select(table, Petal.Length, Petal.Width)
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
> vars <- c("Petal.Length", "Petal.Width")
> select(table, one_of(vars))
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
?vars
This helper is intended to provide equivalent semantics to `[select()]
3.filter()筛选行
filter(table, Species == "setosa")#筛选物种为setosa的行
filter(table, Species == "setosa"&Sepal.Length > 5 )#筛选物种为setosa且Sepal.Length > 5的行
filter(table, Species %in% c("setosa","versicolor"))#筛选物种为etosa,versicolor的行
4.arrange(),按某1列或某几列对整个表格进行排序
arrange(table, Sepal.Length)#默认从小到大排序
arrange(table, desc(Sepal.Length))#用desc从大到小
5.summarise()：汇总
summarise(group_by(table, Species),mean(Sepal.Length), sd(Sepal.Length))#先用group_by()按照Species分组，再计算每组Sepal.Length的平均值和标准差
管道操作
管道操作工具包，通过管道的连接方式，让数据或表达式的传递更高效，使用操作符
%>%【 (cmd/ctr + shift + M)加载tidyverse包】，可以直接把数据传递给下一个函数调用或表达式
table %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
count统计某列的unique值
> count(table,Species)
Species n
1 setosa 2
2 versicolor 2
3 virginica 2
dplyr处理关系数据
---2个表进行连接，注意：不要引入factor (options(stringsAsFactors = F))
数据框的建立
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
x z
1 b A
2 e B
3 f C
4 x D
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6
1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
x z y
1 b A 2
2 e B 5
3 f C 6
2.左连left_join
left_join(test1, test2, by = 'x')
x z y
1 b A 2
2 e B 5
3 f C 6
4 x D NA
3.全连full_join
full_join( test1, test2, by = 'x')
x z y
1 b A 2
2 e B 5
3 f C 6
4 x D NA
5 a
6 c
7 d
4.半连接：返回能够与y表匹配的x表所有记录semi_join
semi_join(x = test1, y = test2, by = 'x')
x z
1 b A
2 e B
3 f C
5.反连接：返回无法与y表匹配的x表的所记录anti_join
anti_join(x = test2, y = test1, by = 'x')
x y
1 a 1
2 c 3
3 d 4
6.简单合并
bind_rows()函数需要两个表格列数相同，
bind_cols()函数则需要两个数据框有相同的行数
