学习小组Day6笔记--Nethoen

补作业来la

dplyr五个基础函数

• mutate()
• select()
• filter()
• arrange()
• summarise()

library(dplyr)
test <- iris[c(1:2,51:52,101:102),]
view(test)
mutate(test, new = Sepal.Length * Sepal.Width) #mutate(),新增列  🕵️‍♀️只新增是不保存的，要再赋值一下

# select(),按列筛选
#按列号
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
#按列名
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
 select(test,one_of(vars))
#👆不知道这个one of是啥，我还搞笑的试了下two of 👇😐
> select(test,two_of(vars))
错误: 没有"two_of"这个函数
Run `rlang::last_error()` to see where the error occurred.

#
#选择字符向量中的列，select中不能直接使用字符向量筛选，需要使用one_of函数  
vars <- c("Petal.Length", "Petal.Width")  
select(iris, one_of(vars))  
#返回指定字符向量之外的列                  select(iris, -one_of(vars))  
#返回所有列，一般调整数据集中变量顺序时使用   select(iris, everything())  
#调整列顺序，把Species列放到最前面         select(iris, Species, everything()) 


#.filter()筛选行
#按给定的逻辑判断筛选出符合要求的子数据集（表示AND时要使用&或者直接使用逗号）
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
# %in%：匹配，相当于R中的match函数，其表达的意思是左边的元素在右边的向量中是否存在，如果存在则返回TRUE，否则返回FALSE
> filter(test, Species %in% c("setosa","versicolor"))
  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
3          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
     Species   new
1     setosa 17.85
2     setosa 14.70
3 versicolor 22.40
4 versicolor 20.48

#arrange(),按某1列或某几列对整个表格进行排序
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
 summarise()：汇总
 summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均
> summarise(test,mean(new),sd(new))
  mean(new)  sd(new)
1  18.64667 3.071597
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
> summarise(group_by(test, Species),mean(new), sd(new))
# A tibble: 3 x 3
  Species    `mean(new)` `sd(new)`
  <fct>            <dbl>     <dbl>
1 setosa            16.3      2.23
2 versicolor        21.4      1.36
3 virginica         18.2      3.63

dplyr两个实用技能

#1：管道操作 %>% (快捷键: cmd/ctr + shift + M)

> test %>% 
+     group_by(Species) %>% 
+     summarise(mean(new), sd(new))
# A tibble: 3 x 3
  Species    `mean(new)` `sd(new)`
  <fct>            <dbl>     <dbl>
1 setosa            16.3      2.23
2 versicolor        21.4      1.36
3 virginica         18.2      3.63
#😮和summarise的区别??

#2：count统计某列的unique值
count(test,Species)

dplyr处理关系数据

#将2个表进行连接，注意：不要引入factor
options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2

#(1) 內连inner_join,取交集
inner_join(test1, test2, by = "x")
#(2) 左连left_join
left_join(test1, test2, by = 'x')
#(3) 全连full_join

#(4) 半连接：返回能够与y表匹配的x表所有记录semi_join
semi_join(x = test1, y = test2, by = 'x')
#(5) 反连接：返回无法与y表匹配的x表的所记录anti_join
anti_join(x = test1, y = test2, by = 'x')
#(6) 简单合并 
#在相当于base包里的cbind()函数和rbind()函数

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
test3 <- data.frame(z = c(100,200,300,400))
test3
bind_rows(test1, test2) #bind_rows()函数需要两个表格列数相同
bind_cols(test1, test3) #bind_cols()函数则需要两个数据框有相同的行数

最后一个dplyr处理关系数据看的有点乱，应该 要先对数据有初步了解、预想需要得到的数据结构-再去选择某种方法

End