1. 首先是dplyr里面的group_by()，在数据某个变量存在多个因子，想要分因子查看特征时，可以用这个，后面可接mutate()，分组计算完成时要记得ungroup()回来，否则是无法画图的。group_by()也可以多组分类，例如group_by(year,month,day), 就按照年月日的顺序分类。
2. count() 是来自plyr包，我感觉有点像basic函数里面的table()，对某个字段求频数。还可以设置index，使其分段统计。例如：count(book, index = linenumber %/% 80, sentiment)，按book来分类，每80行统计一次，统计sentiment内的两种值的频数。（%/%是整除，等于floor(x/y) ）
3. spread() 和gather() 是一对，separate ()也非常常用，来自tidyr
gather() 把散落在列中的数据整合进行里面，用法：gather(data, category, value, X, Y, Z)。data是待处理的表格，category是行整合进列中后该列的名字，value是所调整的行列单元格中的值，XYZ则分别是待整合入行的列名。
spread() 则相反，把行中的变量分散在列中。用法：spread(data, category, value)，其中value可用“-time”来指定忽略某列，以应对待分散的列太多的情况。
separate() 则用来把某列分成两列，例如将female_1的记录调整为female和1两列并冠以列名。用法：separate(stu2_new, gender_class, c("gender","class")，就是将gender_class分为gender和class两列。分隔符有待使用时再研究一下。
4. summarize(), 一般跟group_by()连用，也是用于分组统计。用法：flight %>% group_by(year, month, day) %>% summarize(count=n(),dist=mean(distance, na.rm=T),delay=mean(arr_delay, na.rm=T)) 。于是表格中就添加了count，dist，delay三列。
参考资料：
【1】R语言(1)- gather() 和 spread() 函数：://zhuanlan.zhihu.com/p/46640945
【2】R语言 tidyr包的三个重要函数：gather，spread，separate的用法和举例：https://blog.csdn.net/six66667/article/details/84888644
【3】R 数据科学（十五）—summarize函数+group_by函数：https://www.jianshu.com/p/f9daef01916b
网友评论