R - dtplyr - 高效数据处理

转载请注明来源:
https://www.jianshu.com/p/fbe99705789d

简介

可以编写dplyr的人性化函数语句,来调用高效的data.table进行底层数据运算,使高可读性与高计算效率融为一体

github 项目地址:
https://github.com/tidyverse/dtplyr

安装

install.packages("dtplyr")

install.packages("devtools")
devtools::install_github("tidyverse/dtplyr")

调用

使用注意:包作者推荐使用时同时加载以下包:

library(tidyverse)
library(dtplyr)

笔者习惯以最小化加载更为轻量:

library(data.table)
library(dtplyr)
library(dplyr)

示例

示例数据集使用base包的mtcars

#使用dtplyr包时,将目标数据集惰性处理
data <- lazy_dt(mtcars)

#查看数据集全貌
data

Source: local data table [32 x 11]
Call:   `_DT1`

    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  21       6   160   110  3.9   2.62  16.5     0     1     4     4
2  21       6   160   110  3.9   2.88  17.0     0     1     4     4
3  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1
4  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1
5  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2
6  18.1     6   225   105  2.76  3.46  20.2     1     0     3     1

# Use as.data.table()/as.data.frame()/as_tibble() to access results

lazy_data可以通过as.data.frame();as.data.table();as_tibble()函数转换成相应形式的数据框

1.筛选:filter()
#筛选出vs = 1,同时wt > 3的数据
data %>% 
  filter(vs == 1 & wt > 3)

#
Source: local data table [?? x 11]
Call:   `_DT1`[vs == 1 & wt > 3]

    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
2  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
3  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
4  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
5  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
6  17.8     6  168.   123  3.92  3.44  18.9     1     0     4     4

这里我们可以看到转义后的data.table语句同时出现在返回的对象中

Call:   `_DT1`[vs == 1 & wt > 3]

%>%:管道操作符可以将上一语句执行的结果传入下一个语句中

#筛选data中前16行
data %>% 
  filter(row_number() == 1L:16L)

#
    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  21       6   160   110  3.9   2.62  16.5     0     1     4     4
2  21       6   160   110  3.9   2.88  17.0     0     1     4     4
3  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1
4  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1
5  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2
6  18.1     6   225   105  2.76  3.46  20.2     1     0     3     1
2.排序:arrange()
#以hp升序、drat降序排序
data %>% 
  arrange(hp, desc(drat))

#
    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
3  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
5  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
6  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
3.列操作:select()
#提取cyl和disp列
data %>% 
  select(cyl, disp)

#
    cyl  disp
  <dbl> <dbl>
1     6   160
2     6   160
3     4   108
4     6   258
5     8   360
6     6   225
#删除mpg列
data %>% 
  select(-mpg)

#
    cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     6   160   110  3.9   2.62  16.5     0     1     4     4
2     6   160   110  3.9   2.88  17.0     0     1     4     4
3     4   108    93  3.85  2.32  18.6     1     1     4     1
4     6   258   110  3.08  3.22  19.4     1     0     3     1
5     8   360   175  3.15  3.44  17.0     0     0     3     2
6     6   225   105  2.76  3.46  20.2     1     0     3     1
#调整vs列至第一列
data %>% 
  select(vs, everything())

#
     vs   mpg   cyl  disp    hp  drat    wt  qsec    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     0  21       6   160   110  3.9   2.62  16.5     1     4     4
2     0  21       6   160   110  3.9   2.88  17.0     1     4     4
3     1  22.8     4   108    93  3.85  2.32  18.6     1     4     1
4     1  21.4     6   258   110  3.08  3.22  19.4     0     3     1
5     0  18.7     8   360   175  3.15  3.44  17.0     0     3     2
6     1  18.1     6   225   105  2.76  3.46  20.2     0     3     1
4.添加列:mutate()
#计算wt与drat的积添加到列wt_drat
#增加新列type赋值"old"
data %>% 
  mutate(wt_drat = wt * drat) %>% 
  mutate(type = "old")

#
    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb wt_drat type 
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>   <dbl> <chr>
1  21       6   160   110  3.9   2.62  16.5     0     1     4     4   10.2  old  
2  21       6   160   110  3.9   2.88  17.0     0     1     4     4   11.2  old  
3  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1    8.93 old  
4  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1    9.90 old  
5  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2   10.8  old  
6  18.1     6   225   105  2.76  3.46  20.2     1     0     3     1    9.55 old
5.去重:distinct()
#以变量cyl去重,保留所有变量
data %>% 
  distinct(cyl, .keep_all = T)

#
    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  21       6   160   110  3.9   2.62  16.5     0     1     4     4
2  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1
3  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2
6.数据分组、汇总:group_by() summarise()
#根据cyl分组,计算disp均值
data %>%
  group_by(cyl) %>% 
  summarise(disp_mean = mean(disp))

#
    cyl disp_mean
  <dbl>     <dbl>
1     4      105.
2     6      183.
3     8      353.
7.数据关联:join()

准备数据集:

#给data增加标签列id按序排号,调整id列值至第一列,将数据集赋值为data1
data1 <- data %>% 
  mutate(id = 1:nrow(data)) %>% 
  select(id, everything())

#
     id   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     1  21       6   160   110  3.9   2.62  16.5     0     1     4     4
2     2  21       6   160   110  3.9   2.88  17.0     0     1     4     4
3     3  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1
4     4  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1
5     5  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2
6     6  18.1     6   225   105  2.76  3.46  20.2     1     0     3     1
#提取data1中17到32行数据赋值为data2
data2 <- data1 %>% 
  filter(row_number() == 17L:32L)

#
     id   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1    17  14.7     8 440     230  3.23  5.34  17.4     0     0     3     4
2    18  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
3    19  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
4    20  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
5    21  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
6    22  15.5     8 318     150  2.76  3.52  16.9     0     0     3     2

内连接:inner_join()

#合并数据仅保留匹配的记录 *data1 ∩ data2
inner_join(data2, data1, by = "id")

#
     id mpg.x cyl.x disp.x  hp.x drat.x  wt.x qsec.x  vs.x  am.x gear.x carb.x mpg.y cyl.y disp.y  hp.y drat.y
  <int> <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl> <dbl>  <dbl>  <dbl> <dbl> <dbl>  <dbl> <dbl>  <dbl>
1    17  14.7     8  440     230   3.23  5.34   17.4     0     0      3      4  14.7     8  440     230   3.23
2    18  32.4     4   78.7    66   4.08  2.2    19.5     1     1      4      1  32.4     4   78.7    66   4.08
3    19  30.4     4   75.7    52   4.93  1.62   18.5     1     1      4      2  30.4     4   75.7    52   4.93
4    20  33.9     4   71.1    65   4.22  1.84   19.9     1     1      4      1  33.9     4   71.1    65   4.22
5    21  21.5     4  120.     97   3.7   2.46   20.0     1     0      3      1  21.5     4  120.     97   3.7 
6    22  15.5     8  318     150   2.76  3.52   16.9     0     0      3      2  15.5     8  318     150   2.76
# ... with 6 more variables: wt.y <dbl>, qsec.y <dbl>, vs.y <dbl>, am.y <dbl>, gear.y <dbl>, carb.y <dbl>

左连接:left_join()

#将data1,data2以data2中id列为基准进行匹配连接
left_join(data2, data1, by = "id")

#
     id mpg.x cyl.x disp.x  hp.x drat.x  wt.x qsec.x  vs.x  am.x gear.x carb.x mpg.y cyl.y disp.y  hp.y drat.y
  <int> <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl> <dbl>  <dbl>  <dbl> <dbl> <dbl>  <dbl> <dbl>  <dbl>
1    17  14.7     8  440     230   3.23  5.34   17.4     0     0      3      4  14.7     8  440     230   3.23
2    18  32.4     4   78.7    66   4.08  2.2    19.5     1     1      4      1  32.4     4   78.7    66   4.08
3    19  30.4     4   75.7    52   4.93  1.62   18.5     1     1      4      2  30.4     4   75.7    52   4.93
4    20  33.9     4   71.1    65   4.22  1.84   19.9     1     1      4      1  33.9     4   71.1    65   4.22
5    21  21.5     4  120.     97   3.7   2.46   20.0     1     0      3      1  21.5     4  120.     97   3.7 
6    22  15.5     8  318     150   2.76  3.52   16.9     0     0      3      2  15.5     8  318     150   2.76
# ... with 6 more variables: wt.y <dbl>, qsec.y <dbl>, vs.y <dbl>, am.y <dbl>, gear.y <dbl>, carb.y <dbl>

全连接:full_join()

#合并数据保留所有记录 *data1 ∪ data2
full_join(data1, data2, by = "id")

#
     id mpg.x cyl.x disp.x  hp.x drat.x  wt.x qsec.x  vs.x  am.x gear.x carb.x mpg.y cyl.y disp.y  hp.y drat.y
  <int> <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl>  <dbl> <dbl> <dbl>  <dbl>  <dbl> <dbl> <dbl>  <dbl> <dbl>  <dbl>
1     1  21       6    160   110   3.9   2.62   16.5     0     1      4      4    NA    NA     NA    NA     NA
2     2  21       6    160   110   3.9   2.88   17.0     0     1      4      4    NA    NA     NA    NA     NA
3     3  22.8     4    108    93   3.85  2.32   18.6     1     1      4      1    NA    NA     NA    NA     NA
4     4  21.4     6    258   110   3.08  3.22   19.4     1     0      3      1    NA    NA     NA    NA     NA
5     5  18.7     8    360   175   3.15  3.44   17.0     0     0      3      2    NA    NA     NA    NA     NA
6     6  18.1     6    225   105   2.76  3.46   20.2     1     0      3      1    NA    NA     NA    NA     NA
# ... with 6 more variables: wt.y <dbl>, qsec.y <dbl>, vs.y <dbl>, am.y <dbl>, gear.y <dbl>, carb.y <dbl>

除连接:anti_join()

#返回无法与data2匹配的data1的所有记录 *data1 - (data1 ∩ data2)
anti_join(data1, data2, by = "id")

#
     id   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     1  21       6   160   110  3.9   2.62  16.5     0     1     4     4
2     2  21       6   160   110  3.9   2.88  17.0     0     1     4     4
3     3  22.8     4   108    93  3.85  2.32  18.6     1     1     4     1
4     4  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1
5     5  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2
6     6  18.1     6   225   105  2.76  3.46  20.2     1     0     3     1

保留全数据左连接:semi_join()

#返回能够与data2匹配的data1的所有记录
semi_join(data1, data2, by = "id")

#
     id   mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
  <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1    17  14.7     8 440     230  3.23  5.34  17.4     0     0     3     4
2    18  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
3    19  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
4    20  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
5    21  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
6    22  15.5     8 318     150  2.76  3.52  16.9     0     0     3     2

例如bind_rows数据集合并函数暂时还不适用于lazy_dt()格式,希望包作者能尽快搞定吧~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,701评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,649评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,037评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,994评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,018评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,796评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,481评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,370评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,868评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,014评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,153评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,832评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,494评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,039评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,156评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,437评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,131评论 2 356