R 数据科学（十四）

dplyr中必须掌握的几大函数

筛选行 filter

筛选列 select 只有select函数存在含有 “starts_with”,end_with等函数

排序 arrange 倒叙排列加上desc函数

去重函数 distinct

创建新变量 mutate

将多个值总结为一个摘要统计量 summarize

重点学会group_by函数

计数 count函数

统计缺失值count（is.na(列名)）

统计非缺失值count（！is.na(列名)）

—————————————————————————————————————
上面所有的函数均可以和group_by函数结合使用

filter函数中and 可以用逗号“，”隔开，或者使用&符号

tmp=flights%>%
  filter(month==1,day==1)

tmp2=flights%>%
  filter(month==1&day==1)

image.png

(tmp=flights%>%
filter(month==1,day==1))
代码外面加括号，会打印该代码

不等于 ！=

3.2.4答案

1.a 到达时间延误2小时或更多的航班

tmp1=flights %>%
  filter(arr_delay>=120)

1.b 飞往休斯顿（IHA机场或者HOU机场）的航班

tmp2=flights%>%
  filter(dest%in%c("IAH","HOU"))

1.c 由联合航空、美利坚航空或者三角洲航空运营的航班

tmp3=flights%>%
  filter(carrier %in% c("AA", "DL", "UA"))

1.d

tmp4=flights%>%
  filter(month ,7，9)

between()函数 左闭右闭

tmp5=flights%>%
  filter(between(month >= 7, month <= 9))

寻找缺失值(提取某一列为缺失值的所有行)

tmp5=flights%>%
  filter(is.na(dep_time),is.na(dep_delay))

寻找除去缺失值剩余的所有行(提取某一列为非缺失值的所有行),逗号相当于and

not_cancel=flights%>%
  filter(!is.na(dep_delay),!is.na(arr_delay))

tmp6=flights%>%
  filter(！is.na(dep_time),！is.na(dep_delay))

image.png

—————————————————————————————————————

arrange 排序函数

该函数默认为从小到大排列，若变为从大到小，需要加上desc参数

tmp7=flights%>%
  arrange(year)

tmp8=flights%>%
  arrange(desc(year))

当然同时可以输入多个列，按照输入先后顺序进行正序或倒叙排列

tmp9=flights%>%
  arrange(year,month,day)

tmp10=flights%>%
  arrange(desc(year),desc(month),desc(day))

select函数表示筛选列，当筛选多列的时候中间用逗号隔开

加上负号表示反选

tmp11=flights%>%select(year,month)

tmp12=flights%>%select(-year,-month)

mutate 添加新变量，但是产生的新变量总是添加在数据集的最后

tmp13=flignts_sml%>%
  mutate(gain=arr_delay-dep_delay,
         speed=distance/air_time*60)

image.png

如果只想保留新变量，就可以使用transmute（）函数

tmp14=flignts_sml%>%
  transmute(gain=arr_delay-dep_delay,
         speed=distance/air_time*60)

image.png

去重函数 distinct函数，第一个参数放置需要去重复的那一列，一般情况下结果只有那一列，加上.keep_all=T表示可以保存其他列的信息

data2=data%>%
mutate(means=sum(data[2:105])/104)%>%
arrange(desc(means))%>%
distinct(gene_name, .keep_all = T)