學(xué)習(xí)R包

• 安裝R包

install.packages("dplyr")
library(dplyr) require(dplyr) 加載R包

• 五個基礎(chǔ)函數(shù)的學(xué)習(xí)
  使用R內(nèi)置iris數(shù)據(jù)集

test <- iris[c(1:2,51:51,101:102)]

-新增列

mutate()
mutate(test, new = Sepal.Length*Sepal.Width)

• 按列篩選

select(test,1)
select(test,c(1,5) 選擇第一列和第五列
select(test,Sepal.Length) 選擇Sepal.Length這一列
select(test, Petal.Length,Petal.Width)
vars <- c("Petal.Length","Petal.Width")
select(test,one_of(vars)

• 篩選行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5) 選擇種族是setosa并且Sepal.Length大于5的
filter(test, Species  %in% c("setosa","versicolor")) 選擇種族和setosa，versicolor重合的

• 對表格進行排序

arrange(test, Sepal.Length) 根據(jù)Sepal.Length對表格進行排序 #默認從小到大排列
arrange(test,desc(Sepal.Length) 從大到小排列

• 對數(shù)據(jù)進行匯總

summarise(test,mean(Sepal.Length), sd(Sepal.Length)) 計算Sepal.Length的平均值和標準差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))  按照Species分組后，計算每組的平均值和標準差

• dplyr的兩個使用技能
• 管道操作 %>%

test %>%
  group_by(Species) %>%
  summarise(mean(Sepal.Length),sd(Sepal.Length))

• count 統(tǒng)計某一列的unique值

count(test,Species)

• dplyr 處理關(guān)系數(shù)據(jù)

兩個表進行連接
options(stringsAsFactors = F)
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,,6),
                   stringsAsFactors = F)
inner_join(test1,test2,by = "x") 取兩個表格中的交集
left_join(test1,test2, by = 'x') 選擇左表中的全部行
left_join(test2,test1, by = 'x') 可以比較區(qū)別
full_join(test1,test2, by = 'x') 包含兩個表格中的全部行
semi_join(x= test1, y=test2, by = 'x') 能夠與y表匹配的x表的所有記錄
anti_join(x= test2, y = test1, by = 'x') 無法與y表匹配的x表的所有記錄

• 合并

bind_rows(test1,test2) 兩個表格列數(shù)相同
bind_cols(test1,test2) 兩個表格行數(shù)相同