R数据操纵：dplyr基础

原创 R 数据分析

dplyr是 R 中最为实用的package之一，是data manipulation的一大利器。功能上，dplyr支持过滤（filter)、切片（slice)、排列（arrange)、变换（mutate）、分组（group)、概括（summarise）等一系列常见的表格操作；结构上，dplyr的函数的参数设计充分兼容pipe操作符，使得用户可以写出比使用内置data.frame格式以及关联方法更为优雅、可读性更高的代码。

练习数据：`dplyr`包自带的`starwars`

library(dplyr)
sw <- starwars

数据预览：

tibble默认展示前十行

数据简介：

原始数据来自swapi，该网址现已停止服务
数据共87行13列，列变量为：

name: 角色名
height: 身高（cm）
mass: 体重（kg）
hair_color,skin_color,eye_color: 发色、肤色及瞳色
birth_year: 出生年月（BBY=雅汶战役前）
gender: 雄性、雌性、雌雄同体或无性
homeworld: 故乡
species: 种族
films: 出场的电影列表
vehicles: 角色驾驶过的车辆
starships: 角色驾驶过的飞船

常用操作

筛选（filter)

# 选出星球大战数据集中的所有种族为人类的角色
humans <- filter(sw,species=="Human")
# 多重条件
# 选出所有黑发的人族角色
humanwithblackhair <- sw %>% filter(species=="Human",hair_color=="black")
# 等价于
humanwithblackhair <- humans %>% filter(hair_color=="black")

humans

humanwithblackhair

在功能上等价于同名data.frame的conditional indexing

# 此处sw为同名data.frame
humanwithblackhair <- sw[sw$species=="Human"&sw$hair_color=="black",]

切片（slice）

# 偶数列
evenrows <- slice(sw,seq(1,dim(sw)[1],2))

evenrows

与filter的区别在于用的是直接用行序号（position）

排列（arrange）

# 按照身高逆序排列
rankbyheight <- arrange(sw,desc(height))

等价于data.frame+order

rankbyheight <- sw[order(sw$height,decreasing=TRUE),]

rankbyheight

# bootstrap sampling
bootstrapping2X <- slice_sample(sw,prop=2,replace=TRUE)

选择（select）

# 选出所有颜色属性相关的列
# 方法一：罗列
attribute.color <- select(sw,hair_color,skin_color,eye_color)
# 方法二：切片
attribute.color <- select(sw,hair_color:eye_color)
# 方法三：匹配
attribute.color <- select(sw,ends_with("color")) # 在这里可以与contains互换

attribute.color

变幻（mutate）和转换（transmute）

# 为角色计算BMI指数（新增身高和BMI列）
sw_addBMI <- sw %>% mutate(height_m=height/100,BMI=mass/height_m^2,.before=hair_color)
# 只取计算所得的BMI
BMI <- sw %>% transmute(height_m=height/100,BMI=mass/height_m^2,.before=hair_color)

sw_addBMI

BMI

分组（group）和概括（summarise）

# 为每个种族计算平均身高
avgheightbyspecies <- sw %>% group_by(species) %>%
  select(species,height) %>%
  summarise(avg.height=mean(height,na.rm=TRUE))

avgheightbyspecies

参考链接：
dplyr官方overview