Day 7 dplyr玩转R数据处理

5个关键的dplyr函数：

根据值选择观察（记录），filter()####筛选行
对行重新排序，arrange() ######arrange()函数工作原理和filter()相似，但它不是选择行，而是改变行的顺序。
根据名字选择变量，select()   #####筛选列
根据已知的变量创建新的变量，mutate()
将许多值塌缩为单个描述性汇总，summarize()
重命名列rename()

举例filter()

a <- filter(flights, month == 1, day == 1)
b<- filter(flights, month == 11 | month == 12)
c <- filter(flights, month %in% c(11, 12))

列举arrange()

arrange(flights, year, month, day)
arrange(flights, desc(arr_delay))

select(flights, year, month, day)
select(flights, year:day) # 选择year到day之间（包含本身）的所有列
select(flights, -(year:day))# 选择那么除year到day的所有列
有很多帮助函数可以使用在select()函数中：
starts_with("abc")匹配以“abc”开头的名字。
ends_with("xyz")匹配以“xyz”结尾的名字。
contains("ijk")匹配包含“ijk”的名字。
matches("(.)\\1")选择符合正则表达式的变量。这里是任意包含有重复字符的变量。
num_range("x", 1:3)匹配x1，x2，x3。

rename重命名列

rename(flights, tail_num = tailnum) ###rename()来给变量重新命名列名

使用mutate()添加新变量

flights_sml <- select(flights, year:day,
                      ends_with("delay"),
                      distance,
                      air_time)

mutate(flights_sml,
       gain = arr_delay - dep_delay,
       speed = distance / air_time * 60)
####再例如
mutate(flights_sml,
       gain = arr_delay - dep_delay,
       hours = air_time / 60,
       gain_per_hour = gain / hours)
####如果你仅仅想要保存新的变量，使用transmute()：
transmute(flights,
          gain = arr_delay - dep_delay,
          hours = air_time / 60,
          gain_per_hour = gain / hours)

summarize()与group_by()和管道符%>%配对使用

summarize()与group_by()配对使用
比如，我们想要按日期分组，得到每个日期的平均延期：
by_day <- group_by(flights, year, month, day)
summarize(by_day, delay = mean(dep_delay, na.rm = TRUE))
#####探索每个位置距离和平均航班延迟的关系
delays <- flights %>%
    group_by(dest) %>%
    summarize(
        count = n(),
        dist = mean(distance, na.rm = TRUE),
        delay = mean(arr_delay, na.rm = TRUE)
    ) %>%
    filter(count > 20, dest != "HNL")
#####其中n()计数的作用
上述代码分三步进行了数据准备：
1.按目的地将航班分组,计算了每一组的dist平均值和delay 的平均值。
2.汇总计算距离、平均延时和航班数目
3.移除噪声点和Honolulu航班，它太远了。