R for data Science（三）

在看之前，首先来一波总结

dplyr 函数总结：

filter 筛选行

arrange 排列行

select 筛选列

mutate 增加列

transmute() 生成新列

group_by 分组变量

summarise() 汇总，里面设置函数

这些函数都可以和group_by()函数联合起来使用，group_by()函数可以改变每个函数的作用范围，让其从在整个数据集的操作上变为在每个分组上分别操作。

用法：

filter/arrange/select/mutate (data,函数式 )

今天我们看一下，我们的前2个函数

首先我们加载数据包

library(nycflights13)
library(tidyverse)

**第一个包为数据集，包含的数据是2013年所有从纽约出发的航班时刻表，共计336776次，在加载第二个包的时候，会出现warning **

image

这个是说明包里面的函数和R自带的底层函数出现相同的函数名，这样就会出现底层的函数就会被改写，如果你执意要使用底层函数的话

你可以这样操作：

stats::filter()

好了，我们看一下dplyr推荐的几大函数来解决我们的问题：

filter函数功能：挑选行

用法： filter（dataset ，表达式）

注意：dataset 必须是dataframe

例如：挑选所有航班时间为一月一号的，需要下面一行命令：

filter(flights, month == 1, day == 1)

image

如果想把将结果储存一次，就使用一个赋值符号就可以了

jan1<- filter(flights, month == 1, day == 1)

而且每个`，`表示的为同时满足的意思

如果想储存的同时，还想看一下结果就多加一个括号，可以理解为打印

（jan1<- filter(flights, month == 1, day == 1)）

逻辑比较操作符：

等于 ==

不等于！=

大于 >

大于等于 >=

小于 <

小于等于 <=

这里给大家出个问题:

sqrt(2) ^ 2 == 2

返回的是T还是F？

image

返回的是F，因为程序存储的结果是有理数，而sqrt（2）是无理数，

near(sqrt(2) ^ 2, 2)

这样返回的为T

image

条件操作符：

& 取交集

| 或者

%in% 包含符号

例如：寻找航班起飞时间为11月或者12月

filter(flights, month == 11 | month == 12)

也可以这样：

filter(flights, month %in% c(11, 12))

下面三个也是等价的。

filter(flights, !(arr_delay > 120 | dep_delay > 120))

filter(flights, arr_delay <= 120, dep_delay <= 120)

filter(flights, arr_delay <= 120&dep_delay <= 120)

寻找缺失值，如果你的数据集里面存在缺失值，如何找出呢？

借助`is.na`来寻找

image

between（）是对 x >= left & x <= right 的简写

image.png

x=seq(1,10)
x[between(x,left, right)]

image.png

接着就是讲解排序，我们最常用的就是order

x[order(),] 正叙

x[order(-),] 倒叙

arrange 排序

用法：arrange（data.frame ，变量）

arrange(flights, year, month, day)</pre>
代表先按照year从小到大排序，再按照月份，再按照天数

倒叙排列加上desc（变量）

arrange(flights, desc(arr_delay))

如果数据集里面存在NA值，那么他总会排在最后

image

那就产生一个问题，如果我们想把NA值放在最上面该怎么解决呢？

image

R for data Science（三）