一. 对行排序
用 dplyr 包中的 arrange() 对行排序，默认是递增。
sw_dup%>%arrange(name,gender)
若要递减排序，套一个 desc()：
sw_dup%>%arrange(desc(mass))#递减排序
二. 删除重复行
用 dplyr 包中的 distinct() 删除重复行（只保留第1个，删除其余）。
sw_dup%>%distinct()%>%glimpse()%>%anyDuplicated()#查看重复行数
也可以只根据某些列判定重复：
sw_dup%>%distinct(species,homeworld)%>%#只根据species和homeworld判定重复glimpse()%>%anyDuplicated()
三. 删除包含 NA 的行
用 tidyr 包中的 drop_na() 删除所有包含 NA 的行：
sw_dup%>%drop_na()%>%glimpse()%>%anyNA()
也可以只删除某些列包含 NA 的行：
sw_dup%>%drop_na(gender:species)%>%glimpse()%>%anyNA()
四. 选择行
随机选择若干行
sample_n(df, m) ：随机选择 m 行；
sample_frac(df, 0.1) ：随机选择 10% 的行。
2. 用 filter() 根据值或条件选择行
sw_dup%>%filter(species=="Human",homeworld!="Earth")
注：多个条件之间用“,”隔开，相当于 and.
sw_dup%>%filter(species=="Human",(is.na(mass)|height>180))
sw_dup%>%filter(between(height,100,170))
3. 在限定列范围内根据条件选择行
结合变量选择器： vars(), any_vars() （存在）, all_vars() （所有）以及类型判断函数 is.numeric(), is.factor() 等，可以在限定列范围内，根据条件选择行。
（1）filter_all(): 在所有这样的列范围内，选择行
选出所有列范围内，存在值包含 "bl" 的行
sw_dup%>%filter_all(any_vars(str_detect(.,pattern="bl")))
选出所有列范围内，存在值 >7.5 的行
iris[,1:4]%>%as_tibble()%>%filter_all(any_vars(.>7.5))
选出所有列范围内，所有值均 >2.4 的行
iris[,1:4]%>%as_tibble()%>%filter_all(all_vars(.>2.4))
（2）filter_if()：满足条件的列范围内，选择行
从字符列范围内，选择包含 NA 的行：
sw_dup%>%filter_if(is.character,any_vars(is.na(.)))
（3）filter_at()：在某些列范围内，选择行
在包含 "Sepal" 的列范围内，选择存在值 > 4 的行：
iris[,1:4]%>%as_tibble()%>%filter_at(vars(contains("Sepal")),all_vars(.>4))
