安装加载三部曲
#镜像设置
> options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
> options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
#下载R包
> install.packages("dplyr")
试开URL’https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/macosx/el-capitan/contrib/3.6/dplyr_0.8.5.tgz'
Content type 'application/octet-stream' length 6859111 bytes (6.5 MB)
==================================================
downloaded 6.5 MB
The downloaded binary packages are in
/var/folders/4_/75tx32bj5b93bfc5nx2k9w380000gn/T//RtmpMPgZm1/downloaded_packages
#调用R包
> library(dplyr)
载入程辑包：‘dplyr’
The following objects are masked from ‘package:stats’:
filter, lag
The following objects are masked from ‘package:base’:
test <- iris[c(1:2,51:52,101:102),]
现在的test
dplyr五个基础函数
1.mutate(),新增列
> mutate(test, new = Sepal.Length * Sepal.Width)#新增一列new
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(test,1)#筛选第一列
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test,c(1,5))#筛选第一列和第五列
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(test,Sepal.Length)#筛选一列
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test, Petal.Length, Petal.Width)#筛选两列，中间是逗号
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(test, one_of(vars))#one_of()是用来声明选择对象
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
3.filter()筛选行
filter(test, Species == "setosa")#筛选Species是setosa的行
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
> filter(test, Species == "setosa"&Sepal.Length > 5 )#筛选Species是setosa且Sepal.Length > 5的行
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
> filter(test, Species %in% c("setosa","versicolor"))#筛选Species是setosa和versicolor的行
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 7.0 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
4.arrange(),按某1列或某几列对整个表格进行排序
> arrange(test, Sepal.Length)#默认Sepal.Length按从小到大排序
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.9 3.0 1.4 0.2 setosa
2 5.1 3.5 1.4 0.2 setosa
3 5.8 2.7 5.1 1.9 virginica
4 6.3 3.3 6.0 2.5 virginica
5 6.4 3.2 4.5 1.5 versicolor
6 7.0 3.2 4.7 1.4 versicolor
> arrange(test, desc(Sepal.Length))#用desc将Sepal.Length从大到小
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.0 3.2 4.7 1.4 versicolor
2 6.4 3.2 4.5 1.5 versicolor
3 6.3 3.3 6.0 2.5 virginica
4 5.8 2.7 5.1 1.9 virginica
5 5.1 3.5 1.4 0.2 setosa
6 4.9 3.0 1.4 0.2 setosa
5.summarise()：汇总，结合group_by使用实用性强
> summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
mean(Sepal.Length) sd(Sepal.Length)
1 5.916667 0.8084965
> # 先按照Species分组，计算每组Sepal.Length的平均值和标准差
> group_by(test, Species)
# A tibble: 6 x 5
# Groups: Species [3]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
* <dbl> <dbl> <dbl> <dbl> <fct>
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3 1.4 0.2 setosa
3 7 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
5 6.3 3.3 6 2.5 virginica
6 5.8 2.7 5.1 1.9 virginica
> summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
dplyr两个实用技能
1：管道操作 %>% (cmd/ctr + shift + M)
引用于小洁的小洁详解《R数据科学》--第十三章 管道操作和洲更大神的【R数据科学读书笔记】R语言中的管道操作
tidyverse的每个包都会自动加载管道操作符。但他是属于magrittr包，这个包中还包含几个其他的管道操作符。
管道不支持的情况
（1）不支持的函数：使用当前环境的、使用惰性求值的
（2）不适用的情况：/>10步、非单一对象、非单向关系
简单点说，就是类似于A > B > C > D 这种场景用管道比较好。
除了
%>%这个好用的符号外，magrittr还提供了其他三个比较好用的符号,%$%，%<>%和%T>%（1）%T>%：分支，该操作符后跟的独立的两步（用%>%）连接，可都运行。
（2）%$%：将数据框中的列炸成显式的向量，用于作用对象为向量的函数
（3）%<>%：赋值操作，我选择忘记这个。属于修改某列后重新赋值，我习惯于修改后赋值给新变量，或者用管道符号。
> test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
2：count统计某列的unique值
count(test,Species)
# A tibble: 3 x 2
Species n
<fct> <int>
1 setosa 2
2 versicolor 2
3 virginica 2
dplyr处理关系数据
1.內连inner_join,取交集inner_join(test1, test2, by = "x")
2.左连left_joinleft_join(test1, test2, by = 'x') left_join(test2, test1, by = 'x') 注意这两种输出结果不一样
3.全连full_joinfull_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_joinsemi_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_joinanti_join(x = test2, y = test1, by = 'x')
6.简单合并
bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数
网友评论