R语言学习笔记总结
R语言初步-用dplyr进行数据转换
install.packages("tidyverse")
install.packages("nycflights13")#仍然记得要先安装
library(nycflights13)#航班信息文件
library(tidyverse)
?flights#查看数据信息的说明书
flights#查看航班信息
3.使用select()函数选择列&用rename()函数重命名列
select(数据框名称，筛选的列)
3.1、按名称选择列
select(flights,year,month,day)
#运行后：
# A tibble: 336,776 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
7 2013 1 1
8 2013 1 1
9 2013 1 1
10 2013 1 1
# ... with 336,766 more rows
3.2、选择两者之间的所有列
用A:B的格式选择 AB两者之间，包括AB的列。
select(flights,year:day)
#运行后：
# A tibble: 336,776 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
7 2013 1 1
8 2013 1 1
9 2013 1 1
10 2013 1 1
# ... with 336,766 more rows
3.3、选择两者之外的所有列
用-(A:B)的格式选择 AB两者之外，不包括AB的列
select(flights,-(year:day))
#运行后：
# A tibble: 336,776 x 16
dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay
<int> <int> <dbl> <int> <int> <dbl>
1 517 515 2 830 819 11
2 533 529 4 850 830 20
3 542 540 2 923 850 33
4 544 545 -1 1004 1022 -18
5 554 600 -6 812 837 -25
6 554 558 -4 740 728 12
7 555 600 -5 913 854 19
8 557 600 -3 709 723 -14
9 557 600 -3 838 846 -8
10 558 600 -2 753 745 8
# ... with 336,766 more rows, and 10 more variables: carrier <chr>,
# flight <int>, tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>,
# distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
3.3、和select()搭配使用的辅助函数
- start_with("xxx") 匹配出列名称开头是xxx的列
- ends_with("xxx") 匹配出列名称末尾是xxx的列
- contains("xxx") 匹配出列中包含xxx的列
- matches(""(.)\1")") 匹配出列名称中有重复字符的变量
- num_range("xxx")
- everything() 将选中的列移动到数据框开头几列
3.3.1 start_with()
匹配出列名称开头是arr的列
select(flights,starts_with("arr"))
#运行后 ：
# A tibble: 336,776 x 2
arr_time arr_delay
<int> <dbl>
1 830 11
2 850 20
3 923 33
4 1004 -18
5 812 -25
6 740 12
7 913 19
8 709 -14
9 838 -8
10 753 8
# ... with 336,766 more rows
3.3.2 ends_with()
匹配出列名称末尾是time的列
select(flights,ends_with("time"))
#运行后 ：
# A tibble: 336,776 x 5
dep_time sched_dep_time arr_time sched_arr_time air_time
<int> <int> <int> <int> <dbl>
1 517 515 830 819 227
2 533 529 850 830 227
3 542 540 923 850 160
4 544 545 1004 1022 183
5 554 600 812 837 116
6 554 558 740 728 150
7 555 600 913 854 158
8 557 600 709 723 53
9 557 600 838 846 140
10 558 600 753 745 138
# ... with 336,766 more rows
3.3.3 contains()
匹配出列中包含dep的列
select(flights,contains("dep"))
#运行后 ：
# A tibble: 336,776 x 3
dep_time sched_dep_time dep_delay
<int> <int> <dbl>
1 517 515 2
2 533 529 4
3 542 540 2
4 544 545 -1
5 554 600 -6
6 554 558 -4
7 555 600 -5
8 557 600 -3
9 557 600 -3
10 558 600 -2
# ... with 336,766 more rows
3.3.4 matches()
匹配出列名称中有重复字符的变量
涉及正则表达式的使用，待补充~❀
select(flights,matches("(.)\\1"))
#运行后 ：
# A tibble: 336,776 x 4
arr_time sched_arr_time arr_delay carrier
<int> <int> <dbl> <chr>
1 830 819 11 UA
2 850 830 20 UA
3 923 850 33 AA
4 1004 1022 -18 B6
5 812 837 -25 DL
6 740 728 12 UA
7 913 854 19 B6
8 709 723 -14 EV
9 838 846 -8 B6
10 753 745 8 AA
# ... with 336,766 more rows
3.3.5 everything()
将选中的列移动到数据框开头几列
select(flights,dep_time,arr_time,day,month,year,everything())
#运行后：
# A tibble: 336,776 x 19
dep_time arr_time day month year sched_dep_time dep_delay
<int> <int> <int> <int> <int> <int> <dbl>
1 517 830 1 1 2013 515 2
2 533 850 1 1 2013 529 4
3 542 923 1 1 2013 540 2
4 544 1004 1 1 2013 545 -1
5 554 812 1 1 2013 600 -6
6 554 740 1 1 2013 558 -4
7 555 913 1 1 2013 600 -5
8 557 709 1 1 2013 600 -3
9 557 838 1 1 2013 600 -3
10 558 753 1 1 2013 600 -2
# ... with 336,766 more rows, and 12 more variables: sched_arr_time <int>,
# arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
# origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
# minute <dbl>, time_hour <dttm>
3.3.5 num_range()
本文使用的数据表不适用此函数，暂不举例
大致用法：num_range("x",1），可以 匹配x1、x2和x3
补充：用rename()函数重命名列
select()函数 也可以重命名列，但是这样做是不推荐的，因为select改变了原始数据。所以应该选择使用rename()函数
用法：rename(数据框名称，重命名=原名)
注意：两个名字不要写反，否则无法识别 。
举例：将year重命名为y，代码如下。
rename(flights,y = year)
#运行后：
# A tibble: 336,776 x 19
y month day dep_time sched_dep_time dep_delay arr_time
<int> <int> <int> <int> <int> <dbl> <int>
1 2013 1 1 517 515 2 830
2 2013 1 1 533 529 4 850
3 2013 1 1 542 540 2 923
4 2013 1 1 544 545 -1 1004
5 2013 1 1 554 600 -6 812
6 2013 1 1 554 558 -4 740
7 2013 1 1 555 600 -5 913
8 2013 1 1 557 600 -3 709
9 2013 1 1 557 600 -3 838
10 2013 1 1 558 600 -2 753
# ... with 336,766 more rows, and 12 more variables: sched_arr_time <int>,
# arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
# origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
# minute <dbl>, time_hour <dttm>
