1、tidyverse的summarise可以用的函数：
Range: min(), max(), quantile()
Position: first(), last(), nth(),
Count: n(), n_distinct() #n=n()括号内不填参数
2、异常值的处理：缺失值代替
diamonds1 <- diamonds %>%
filter(between(y,3,20))#由于y的异常值从而删除了一整行数据，不推荐
diamonds2 <- diamonds %>%
mutate(y=ifelse(y<3|y>20,NA,y))#用NA替换异常值，就可以保留整行的其他数据，推荐
nrow(diamonds2)
nrow(diamonds1)
3、有NA时，直接画图会有warnning，加上na.rm=TRUE
ggplot(data = diamonds2, mapping = aes(x = x, y = y)) +
geom_point(na.rm=TRUE)
4、NA有意义时，比较NA与非NA值
比如，dep_time是NA代表航班取消，比较未取消的航班于取消的航班
library(nycflights13)
flights1 <- flights %>%
mutate(cancelled=is.na(dep_time),
dep_hour=sched_dep_time%/%100,
dep_min=sched_dep_time%%100,
new_dep_time=dep_hour+dep_min/60)
ggplot(data=flights1)+
geom_freqpoly(mapping=aes(new_dep_time,colour=cancelled),binwidth=0.25)
5、如果有NA，在计算时就会返回NA
> sum(flights$dep_time,na.rm=TRUE)
[1] 443210949
> sum(flights$dep_time)
[1] NA
6、Covariation
查看不同类型钻石的价格分布，如果是freqpoly，不好比较，可以加上y=..density..，曲线下面积的总和为1
diamonds %>%
ggplot()+
geom_freqpoly(mapping=aes(price,color=cut),binwidth=500)
diamonds %>%
ggplot()+
geom_freqpoly(mapping=aes(x=price,y=..density..,color=cut),binwidth=500)
7、分类变量的连续变量分布的更好建议：箱线图+reorder()
ggplot(data=diamonds,mapping=aes(x=cut,y=price))+
geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
ggplot(data = mpg, mapping = aes(x =reorder(class,hwy,FUN=median),y=hwy)) +
geom_boxplot()
8、#两个分类变量
1）ggplot(data=diamonds,mapping=aes(x=cut,y=color))+
geom_count()
2）count(diamonds,color,cut)
3）diamonds %>%
count(color, cut) %>%
ggplot(mapping = aes(x = color, y = cut)) +
geom_tile(mapping = aes(fill = n))
9、两个连续变量
1）ggplot(data =diamonds)+ geom_point(mapping =aes(x =carat,y =price),alpha =1/ 100)
散点图，加透明度，数量越少，图越模糊
2）矩形图
ggplot(data=diamonds)+
geom_bin2d(mapping=aes(x=carat,y=price))
3）使用箱线图，将其中一个连续变量用group设为分类变量的形式
ggplot(data=diamonds,mapping=aes(x=carat,y=price))+
geom_boxplot(mapping=aes(group=cut_width(carat,0.2)))+
coord_cartesian(xlim=c(0,4)) #笛卡尔坐标系，可以设置横纵坐标
可以设置varwidth=TRUE，使箱子的宽度与数量成正比
cut_width也可以换为cut_number
但是，箱线图只适合连续变量范围比较窄，比较集中的情况下。
