R包之dplyr包学习
R包dplyr可用于处理R内部或外部的结构化数据，dplyr专注接受dataframe对象，提高了数据处理速度，并且提供了更稳健的数据库接口。
dplyr包安装
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
install.packages("dplyr")
dplry包加载
library(dplyr)
dplyr五个基本函数
mutate()新增列，并保留改变前和改变后的列
> test <- iris[c(1:2,51:52,101:102),]
> mutate(test, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.1 3.5 1.4 0.2
2 4.9 3.0 1.4 0.2
51 7.0 3.2 4.7 1.4
52 6.4 3.2 4.5 1.5
101 6.3 3.3 6.0 2.5
102 5.8 2.7 5.1 1.9
Species new
1 setosa 17.85
2 setosa 14.70
51 versicolor 22.40
52 versicolor 20.48
101 virginica 20.79
102 virginica 15.66
select()按列筛选,在结果中只会保留筛选的列
> select(test,1) #按列号筛选
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test,Sepal.Width) #按列名筛选
Sepal.Width
1 3.5
2 3.0
51 3.2
52 3.2
101 3.3
102 2.7
filter（）筛选行
> filter(test, Species == "setosa")
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
arrange(),按某1列或某几列对整个表格进行排序
> arrange(test,desc(Sepal.Length)) #desc函数降序排列
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.0 3.2 4.7 1.4 versicolor
2 6.4 3.2 4.5 1.5 versicolor
3 6.3 3.3 6.0 2.5 virginica
4 5.8 2.7 5.1 1.9 virginica
5 5.1 3.5 1.4 0.2 setosa
6 4.9 3.0 1.4 0.2 setosa
summarise()：汇总，并结合group_by函数使用，group_by用于分组
> summarise(group_by(test,Species),mean(Sepal.Length),sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
管道操作 %>% (cmd/ctr + shift + M)
%>% ：相当于将左边的作为右边函数的第一个参数
> test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length),sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
count统计某列的unique值
> count(test,Species)
Species n
1 setosa 2
2 versicolor 2
3 virginica 2
dplyr处理关系数据
将两个表连接，如.內连inner_join,取交集，左连left_join，全连full_join，半连接：返回能够与y表匹配的x表所有记录semi_join，反连接：返回无法与y表匹配的x表的所记录anti_join，简单合并
> test1<-data.frame(x=c("b","e","f","x"),
+ z=c("A","B","C","D"),
+ stringsAsFactors = F)
> test2<-data.frame(x=c("a","b","c","d","e","f"),
+ y=c("1","2","3","4","5","6"),
+ stringsAsFactors = F)
> inner_join(test1,test2,by="x")
x z y
1 b A 2
2 e B 5
3 f C 6
> left_join(test1,test2,by="x")
x z y
1 b A 2
2 e B 5
3 f C 6
4 x D <NA>
> full_join(test1,test2,by="x")
x z y
1 b A 2
2 e B 5
3 f C 6
4 x D <NA>
5 a <NA> 1
6 c <NA> 3
7 d <NA> 4
> semi_join(x=test1,y=test2,by="x")
x z
1 b A
2 e B
3 f C
> anti_join(x=test1,y=test2,by="x")
x z
1 x D
> test1<-data.frame(x=c(1,2,3,4),y=c(10,20,30,40))
> test2<-data.frame(x=c(5,6),y=c(50,60))
> test3<-data.frame(z=c(100,200,300,400))
> bind_rows(test1,test2)
x y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1,test3)
x y z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
图片.png
今天主要是学习dplyr包的一些基本操作，虽然之前已经接触过部分内容的学习，但感觉忽略了一些基本操作，今天的内容学习又巩固了一遍！明天继续加油哇！
