今天学习R包，也是dplyr包的学习
R语言中重要的就是R包，那什么是R包？
从某种程度上讲，R包就是针对于R的插件，不同的插件满足不同的需求。R包是多个函数的集合，具有详细的说明和示例。针对不同的需求利用不同的R包进行分析处理。R包的使用主要是安装包、加载包和查看包的相关信息即使用方法以及案例。
今天学习就以dplyr包为例。（首先不知道这个R包是个什么）
1.最开始要配置镜像才可以加快下载速度（给我的感觉跟Linux配置环境变量一样）
https://m.umu.cn/course/?groupId=5002070&sKey=72116b89e9f74f688726de176ac51b8c（教程地址）
配置一边镜像永久生效
2.安装包，使用命令install.packages("包的名字") 或者BiocManager::install(“包的名字”)
install.packages("dplyr")
library(dplyr)
成功安装包并加载包
3.并不知道这个包是干嘛的，查一下
??`dplyr-package`
dplyr提供了一种灵活的数据操作语法。它是plyr的下一个迭代，专注于处理数据帧的工具,确定最重要的数据操作动词和使它们易于使用r .提供极快的性能的内存数据,大概就是说用这个包利用数据集，操作快速（plyr又是个啥，查！）plyr包可以进行类似于数据透视表的操作，将数据分割成更小的数据，对分割后的数据进行些操作，最后把操作的结果汇总。(发现帮助文档比较难懂，所以查询其他的）
https://www.jianshu.com/p/bfddfe29aa39（关于plyr包的介绍）
dplyr包的相关信息
4.运用dplyr包中的函数
- 新增列，即在列表中增加新的一列数，用mutate()
test <- iris[c(1:2,51:52,101:102),]
mutate(test, new = Sepal.Length * Sepal.Width)
新增列
- 按列筛选,用select()
select(test,1)#筛选第一列
select(test,c(1,5))#筛选第一列和第五列
select(test,Sepal.Length)#筛选Sepal.Length，按列名筛选
select(test, Petal.Length, Petal.Width)#按列名筛选
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))#按列名
按列号筛选
按列名筛选
- 筛选行，用关键字或者条件，用filter()
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
行的筛选
- 排序，按条件排序，用arrange()
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
排序
- 汇总，按照分组实现数据的计算汇总，用summarise()
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#先按照Species进行分组后再进行计算）
分组后进行计算
- 管道操作，%>% (cmd/ctr + shift + M)（利用管道命令需要安装tidyverse包）管道命令就是再执行%>%时，之前的命令完成后就执行之后的命令
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
image.png
- count统计某列的unique值
count(test,Species)
统计值
- 连接表格
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
其中在R语言中，因子（factor）表示的是一个符号、一个编号或者一个等级，而因子是不会被计算的，只能作为符号。
参考：https://www.cnblogs.com/larryzzZ/p/6650715.html
数据创建
- 取交集，使用inner_join（）
inner_join(test1, test2, by = "x")
取交集
出现报错，是由于引入了factor,所以需要修改test2的数据类型
修改后无报错
- 左连，即第一个对象放在左边再取交集
left_join(test1, test2, by = 'x')
左连
- 全连(以上表的连接都是基于x的连接，也可以选择其他的）用full_join（）
full_join( test1, test2, by = 'x')
全部连接
- 半连接，用semi_join（)
semi_join(x = test1, y = test2, by = 'x')#返回能够与y表匹配的x表所有记录
半连接
- 反连接，即选择不匹配的数据，用anti_join（）
anti_join(x = test2, y = test1, by = 'x')#返回无法与y表匹配的x表的所记录
反连接
- 简单合并（在相当于base包里的cbind()函数和rbind()函数;注意，bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数）
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_cols(test1, test3)
简并表格
总的来说dplyr包是基于数据表格等来操作的，包括列的提取行的提取筛选，相当于excel的一些功能，但是dplyr包可以将数据分为很多块从而对其进行操作，从而提高数据处理速度。
思维导图
思维导图
