dplyr包笔记

dplyr包是R语言数据处理的神器，这里记录一点刚学到的东西。

以下操作基于R语言自带数据集"mtcars".

变量选取: select

• starts_with(): starts with a prefix
• ends_with(): ends with a prefix
• contains(): contains a literal string
• matches(): matches a regular expression
• num_range(): a numerical range like x01, x02, x03.
• one_of(): variables in character vector.
• everything(): all variables.

观测值过滤: filter

dplyr提供filter,filter_at,filter_all,filter_if用来对行数据进行过滤，仅保留符合要求的行。

filter用来处理特定的几个变量，比如说:

# 保留mtcars中cyl为6的行
filter(mtcars, cyl==6)
# 保留cyl为6但是vs不为0的行
filter(mtcars, cyl==6, vs != 0)

功能比较简单，适用于处理特定几列。但是如果你想要在包含10多个变量的数据框中找到包含NA的行，肯定不能逐个变量写判断语句，这就需要用到filter_all。

filter_all(mtcars, any_vars(is.na(.)))

这里的any_vars表示任意一列，.则指代当前选定列，那么is.na(.)就会返回当前列的布尔值向量。

或者如果你的变量命命名很有特点，那么可以使用filter_at判断变量名是否符合要求来选择列：

#判断变量名里有‘d’的列是否为NA.
filter_at(mtcars, vars(contains('d')), any_vars(is.na(.)))
# 判断变量名中含有'd'的列中，所有值是否都大于3
filter_at(mtcars, vars(contains('d')), all_vars(.>3))

这里的vars()函数用于选择变量，可以用select里用到筛选函数对变量名进行判断, 比如说contains()就返回变量命包含某个字符的变量。

更复杂一点，如果我们仅需要对那些整数列进行筛选，那么就需要用到filter_if, 因为它的第二个参数会传递给rlang::as_function用于构造闭包，而闭包则是一种函数。

filter_if(mtcars, ~all(floor(.) == .), all_vars(.!=0))

在~all(floor(.) ==.)的参数选择下，最后是对cyl, hp, vs, am, gear, carb这几列进行处理，可以用如下的方式进行验证。

filter_if(mtcars, ~ all(floor(.) == .), all_vars(. == 4))

由于hpb里不存在一个值为4，那么all_vars返回的是全FALSE的向量。