思维导图
大纲
今日内容
# 镜像设置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
# 安装
install.packages("dplyr")
# 加载
library(dplyr)
# 数据集
iris
dim(iris) # 这是一个数据框 150X5
test <- iris[c(1:2,51:52,101:102),]
# ‘dplyr’包基础函数---
## 1.mutate(),新增列
?mutate()
mutate(test, new1 = Sepal.Length * Sepal.Width)
## 2.select(),按列筛选（不用这个函数是不是也可以）
?select()
select(test,c(1,5))
select(test, Petal.Length, Petal.Width)
## 3.filter()筛选行
?filter()
filter(test, Species == "setosa") # 逻辑运算 == ，返回T/F
filter(test, Species == "setosa"&Sepal.Length > 5 ) # & 与
filter(test, Species %in% c("setosa","versicolor")) # %in% 表示符号前面的内容在不在后面的内容里面
## 4.arrange(),按某1列或某几列对整个表格进行排序
?arrange()
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
## 5.summarise()：汇总
?summarise()
###mean(Sepal.Length)
####Error in mean(Sepal.Length) : 找不到对象'Sepal.Length'
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
###summarise(mean(Sepal.Length), sd(Sepal.Length))
###Error in mean(Sepal.Length) : 找不到对象'Sepal.Length'
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
# dplyr两个实用技能
## 1：管道操作 %>%
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length)) # 上一个函数的输出结果，作为输入结果传递给下一个函数
## 2：count统计某列的unique值
count(test,Species)
# dplyr处理关系数据（即将2个表进行连接，注意：不要引入factor）
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
##1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
##2.左连left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
##3.全连full_join
full_join( test1, test2, by = 'x')
##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')
##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')
##6.简单合并
test11 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test11
test22 <- data.frame(x = c(5,6), y = c(50,60))
test22
test33 <- data.frame(z = c(100,200,300,400))
test33
bind_rows(test11, test22)
bind_cols(test11, test33)
