• summarize（）

将一列数据折叠成一行，经常与group_by() 组合构成了使用dplyr 包时最常用的操作之一：分组摘要。如果没有group_by，就会把整个数据框作为一个整体，会变成一行。

by_day <- group_by(flights, year, month, day)
summarise(by_day, delay = mean(dep_delay, na.rm = TRUE))

计算每天平均延误时间

1. 管道操作 （可以简化代码，不用重复定义并输入数据框名）

例如，x %>% f(y) 会转换为f(x, y)，x %>% f(y) %>% g(z) 会转换为g(f(x,y), z)。也就是说%>%符号前面的那个数据框名，后面不用重复写了。

#level一-生成中间产物，不喜欢
by_day <- group_by(flights, year, month, day)
summarise(by_day, delay = mean(dep_delay, na.rm = TRUE))
#level二-这个是我习惯的方式
summarise(group_by(flights, year, month, day), delay = mean(dep_delay, na.rm = TRUE))
#level三-管道操作连接两步，数据框名在括号里面
group_by(flights, year, month, day) %>% summarise(delay = mean(dep_delay, na.rm = TRUE))
#level四-管道操作连接两步，数据框名在括号里面
flights %>%group_by( year, month, day) %>% summarise(delay = mean(dep_delay, na.rm = TRUE))
摘自生信星球-小洁

注：管道操作连接多行命令时，将管道符号%>%放在上一行末尾。

2. 缺失值 （na.rm = TRUE这个参数会在计算前移除缺失值）

如果不加这个参加，mean（）计算出来的只有其中一个是NA，结果就是NA。

3. 计数

carriers <- group_by(flights, carrier)
  s1 <- summarise(carriers, n()) 
  s2 <- count(flights,carrier)
  mu <- mutate(carriers, n = n())
  s3 <- distinct(mu,n)
  s4 <- distinct(mu,carrier,n)
四种方法统计的结果是一致的
摘自生信星球

注意n()和count（）的用法。distinct是去重复。

如果想要计算出非缺失值的数量，可以使用sum(!is.na(x))。要想计算出唯一值的数量，可以使用n_distinct(x).

注意n（）和sum（）用法相同，在括号里面辅助条件。count是在括号外面，自己计数。

s2 <- count(flights,carrier)
s1 <- summarise(carriers, n()) 
s1 <- summarise(mu, sum(n<100)) 不符合条件的返回0，符合条件的返回当下数值。
逻辑值的计数和比例：sum(x > 10) 和mean(y == 0)当与数值型函数一同使用时，TRUE 会转换为1，FALSE 会转换为0。这使得sum() 和mean()非常适用于逻辑值：sum(x) 可以找出x 中TRUE 的数量，mean(x) 则可以找出比例。

4.常用摘要函数-摘自生信星球小洁

image.png

5. 分组

先按照年月日分组，也就是按天daily <- group_by(flights, year, month, day)
(per_day <- summarise(daily, flights = n()))#再按照月份汇总摘要
(per_month <- summarise(per_day, flights = sum(flights)))
再按年汇总，只有一年的数据所以成了一行
(per_year <- summarise(per_month, flights = sum(flights)))
sum（）为什么就是合并月份？

6.取消分组

如果想要取消分组，并回到未分组的数据继续操作，那么可以使用ungroup() 函数

daily %>%
ungroup() %>% # 不再按日期分组
summarize(flights = n()) # 所有航班